●第1章 空間譜估計研究背景和發展
1.1 陣列信號處理與空間譜估計
1.2 空間譜估計發展和現狀
1.3 基於稀疏表示的空間譜估計概述
1.3.1 基於Lp範數的稀疏DOA估計
1.3.2 基於協方差稀疏迭代的DOA估計
1.3.3 基於稀疏貝葉斯學習的DOA估計
l.3.4 基於原子範數的DOA估計
本章參考文獻
第2章 稀疏表示的基本理論
2.1 基本數學概念
2.1.1 範數與賦範線性空間
2.1.2 矢量的內積
2.1.3 信號分解和正交變換
2.1.4 框架
2.2 稀疏信號表示與分解
2.2.1 稀疏信號與可壓縮信號
2.2.2 稀疏表示與過完備字典
2.2.3 稀疏表示與壓縮感知
2.3 稀疏重構的條件
2.3.1 零空間條件
2.3.2 字典矩陣的約束等距性質
2.3.3 字典矩陣與相關性
2.3.4 多測量值的稀疏分解
2.4 稀疏重構算法介紹
2.5 本章小結
本章參考文獻
第3章 空間譜估計相關基礎
3.1 陣列接收信號模型
3.1.1 窄帶信號陣列接收模型
3.11 2寬帶信號陣列接收模型
3.1.3 相干信號的接收模型
3.1.4 克拉美羅界
3.2 波達方向估計經典方法
3.2.1 波束搜索測向算法
3.2.2 Capon測向算法
3.2.3 MUSIC測向算法
3.2.4 Root-MUSIC算法
3.2.5 ESPRIT算法
3.2.6 優選似然算法
3.3 稀疏表示解決DOA估計問題的合理性
3.4 稀疏表示測向方法的特殊性
3.5 本章小結
本章參考文獻
第4章 基於貪婪技術的DOA估計
4.1 匹配追蹤算法
4.2 正交匹配追蹤算法
4.2.1 算法原理
4.2.2 算法收斂性
4.2.3 多快拍OMP算法
4.3 其他貪婪算法
4.3.1 正則化正交匹配追蹤算法
4.3.2 子空間追蹤算法
4.4 稀疏重構DOA估計與貪婪算法性能分析
4.5 仿真與性能分析
4.6 本章小結
本章參考文獻
第5章 基於L1範數正則化的DOA估計
5.1 不適定逆問題求解與正則化
5.1.1 正則化技術
5.1.2 稀疏正則化
5.1.3 正則化直觀解釋
5.2 基於L1範數的DOA估計方法
5.2.1 單快拍信號重構
5.2.2 多快拍時間聯合重構方法
5.2.3 基於奇異值分解的多快拍信號重構方法
5.2.4 加權L1-SVD算法原理
5.2.5 正則化參數選取
5.3 L1範數正則化最小化問題的求解
5.3.1 二次規劃求解
5.3.2 ADMM求解
5.4 基於協方差稀疏表示的DOA估計算法
5.4.1 協方差稀疏表示模型
5.4.2 L1-SRACV算法原理
5.41 3多分辨率網格重構
5.5 仿真與性能分析
5.6 本章小結
附錄5.A ADMM計算過程及其縮放形式表示
本章參考文獻
第6章 基於Lp範數正則化的DOA估計
6.1 基於FOCUSS算法的DOA估計
6.1.1 經典FOCUSS算法原理
6.1.2 正則化FOCUSS算法
6.1.3 正則化多快拍FOCUSS算法
6.1.4 正則化多快拍FOCUSS算法的收斂分析
6.2 平滑Lp範數DOA估計
6.2.1 平滑Lp範數估計算法原理
6.2.2 改滑Lp範數算法
6.2.3 仿真與性能分析
6.3 本章小結
附錄6.A 關於式（6.1.29）的推導
本章參考文獻
第7章 基於稀疏貝葉斯學習的DOA估計
7.1 貝葉斯估計與稀疏優化
7.1.1 貝葉斯理論
7.1.2 稀疏貝葉斯學習
7.2 基於RVM貝葉斯學習的DOA估計
7.2.1 單快拍稀疏貝葉斯DOA估計
7.2.2 多快拍稀疏貝葉斯DOA估計
7.2.3 仿真與性能分析
7.3 基於一階近似的離網稀疏貝葉斯學習算法
7.3.1 一階近似離網DOA估計信號模型
7.3.2 離網情況下的貝葉斯推斷
7.3.3 離網模型貝葉斯推斷與算法流程
7.3.4 仿真與性能分析
7.4 求根離網稀疏貝葉斯學習算法
7.4.1 稀疏貝葉斯模型與算法實現

●
●7.4.2 仿真與性能分析
●
●……

空間譜估計技術在雷達、聲吶與通信等眾多領域有著廣泛的應用前景，幾十年來一直是一個活躍的研究方向。隨著稀疏表示和壓縮感知理論的發展，基於稀疏理論的空間譜技術研究已成為來波方向估計發展的前沿和熱點。其技術基礎和特點明顯有別於傳統的空間譜估計方法，能夠改善復雜電磁環境下來波方向估計應用中部分難以克服的問題。本書較為深入地論述了基於稀疏理論實現空間譜估計的關鍵技術、方法和性能，尤其是詳細介紹了許多典型算法，並進行了深入討論與研究，給出了定量和定性的分析結果。
本書可以作為電子對抗相關領域工程技術人員的參考書，也可以作為電子信息工程、信息對抗等相關專業高年級本科生、研究生的專業課程教材及參考書。

劉魯濤,郭立民,郭沐然 著