第1章 绪论 1
1.1 概述 3
1.2 水下运动阵列信号处理基础 5
1.2.1 系统结构 5
1.2.2 基阵设计 6
1.2.3 舷侧阵信号处理特性 7
1.2.4 窄带信号 8
1.2.5 静止阵列接收数据模型 8
1.2.6 运动阵列接收数据模型 10
1.2.7 采样数据空间的划分 11
1.3 水下运动阵列合成孔径技术发展概况 13
1.3.1 合成孔径阵列的基本概念 13
1.3.2 运动合成阵列频率和方位估计的克拉美罗下界 15
1.3.3 合成孔径处理典型方法 16
1.3.4 合成孔径的其他算法和最新进展 20
1.4 本书的主要内容 23
第2章 运动舷侧阵多目标检测方法 29
2.1 典型的多目标检测方法 32
2.1.1 AIC方法和MDL方法 32
2.1.2 EIT方法 36
2.1.3 Eigenvectorbased Peak-to-Average Ratio方法 39
2.2 基于运动舷侧阵的合成孔径联合检测－估计方法（SATDE） 41
2.2.1 SATDE的原理 41
2.2.2 SATDE方法的步骤 42
2.3 性能分析 46
2.4 本章小结 50
第3章 运动舷侧阵阵列扩展方位估计方法 53
3.1 扩展拖曳阵测量（ETAM）方法 55
3.1.1 ETAM方法的原理及步骤 55
3.1.2 最优重叠阵元数的确定 59
3.2 运动舷侧阵阵列扩展方位估计（LPMAE）方法 60
3.2.1 线性预测的基本原理 61
3.2.2 空域线性预测算法 62
3.2.3 LPMAE方法 67
3.3 性能分析 69
3.4 ETAM扩展虚拟阵数据的波束形成方法选择 75
3.5 本章小结 78
第4章 运动舷侧阵波束域方位估计方法 81
4.1 自适应波束形成技术概述 83
4.1.1 CBF和MVDR波束形成器 84
4.1.2 自适应波束形成算法 88
4.2 强干扰环境下的波束域方位估计方法 92
4.2.1 稳健Capon波束形成器（RCB） 93
4.2.2 波束域合成孔径处理方位估计方法（BSAP） 97
4.3 性能分析 100
4.4 本章小结 104
第5章 运动舷侧阵极大似然频率－方位联合估计快速算法 107
5.1 合成孔径极大似然频率－方位联合估计方法 109
5.2 基于完备抽样的合成孔径极大似然频率－方位联合估计快速算法 112
5.2.1 马尔可夫链蒙特卡罗方法 113
5.2.2 PS-ML 115
5.2.3 性能分析 119
5.3 基于蚁群算法的合成孔径极大似然频率－方位联合估计快速算法 122
5.3.1 蚁群算法概述 122
5.3.2 ACO-ML 125
5.3.3 性能分析 129
5.4 本章小结 132
第6章 舷侧MIMO阵列信号处理基础 137
6.1 概述 139
6.2 MIMO阵列结构和信号模型 140
6.2.1 MIMO阵列发射信号 141
6.2.2 MIMO阵列接收信号 142
6.2.3 匹配滤波和波束形成 144
6.3 UUV舷侧MIMO阵列目标探测系统 147
6.4 多UUV分布式MIMO探测目标回波模型 150
6.5 本章小结 154
第7章 舷侧MIMO阵列目标方位估计 159
7.1 概述 161
7.2 UUV舷侧MIMO阵列模型与虚拟孔径扩展 162
7.2.1 UUV舷侧MIMO阵列信号模型 163
7.2.2 UUV舷侧MIMO阵列虚拟孔径扩展 164
7.3 MIMO阵列方位估计 170
7.3.1 MIMO阵列旋转不变子空间方位估计（MIMO-ESPRIT）方法 170
7.3.2 MIMO阵列Capon方位估计（MIMO-Capon）方法 176
7.3.3 水池试验验证 177
7.4 本章小结 180
第8章 舷侧MIMO阵列子空间方位估计方法 183
8.1 阵列信号模型 185
8.2 基于多输入多输出阵列的子空间方位估计方法（MIMO-SBEM） 186
8.2.1 子空间缩放MUSIC（SSMUSIC）方法 186
8.2.2 MIMO-SBEM方法 188
8.3 性能分析 190
8.4 本章小结 193
第9章 多UUV分布式MIMO多子载波信号目标估计 195
9.1 概述 197
9.2 高斯包络多子载波信号 198
9.3 目标位置和速度估计及其克拉美罗下界 200
9.3.1 目标位置和速度的最大似然估计方法 200
9.3.2 目标位置和速度估计的联合克拉美罗下界 201
9.3.3 多子载波信号模糊度函数 204
9.4 仿真性能分析 206
9.5 本章小结 213