阅读论文：用于阵列信号处理的非正交阵列 Non-Integer Arrays for Array Signal Processing

1 CRB

CRB（克拉美-劳界，Cramér-Rao Bound）描述了一个无偏估计器的最小方差（或均方误差），即在给定某些数据的情况下，无偏估计器的方差不能低于CRB。它是一种理论上的下界，用于衡量一个估计器的最佳性能，在参数估计和信号处理领域有着广泛的应用.
修正的CRB（MCRB）通常用于解决在某些情况下CRB的局限性，例如非线性参数估计问题。MCRB可以提供更实际且准确的性能下界，以更好地指导估计器的设计和评估

2 MSE

**均方误差（MSE）**是数理统计中用来衡量参数估计值与参数真值之间差异程度的一种度量。具体来说：
定义：MSE是参数估计值与参数真值之差平方的期望值，记为MSE。
应用：MSE通常用作回归问题的损失函数。例如，根据属性估算公寓价格时，我们可以使用MSE来评价预测模型描述实验数据的精确度。
计算：对于一组随机变量或统计数据，其期望值（均值）用(E(X))表示，然后对各个数据与均值的差的平方和再求期望，即得到MSE的公式： [MSE = E[(X - \hat{X})^2]] 其中，(X)是真实值，(\hat{X})是估计值。
MSE值越小，说明预测模型描述实验数据具有更好的精确度。

3 引导向量

引导向量是一种数学概念，用来表示在空间中两点之间的方向的向量。它是一个有方向的线段，用一个点和一个箭头来表示，箭头的方向表示引导向量的方向，而点则表示引导向量的起点。在不同领域中，引导向量具有不同的应用，例如在信号处理、天线阵列、优化算法等中都有相关的概念。

4 gcd（最大公约数）

最大公约数（Greatest Common Divisor，缩写为 GCD） 是指同时整除两个或多个整数的最大因子。特殊情况下，当两个整数的最大公约数为 1 时，我们称这两个数为互素。例如，对于整数 8 和 12，它们的公约数有 1、2、4，其中最大的公约数是 4。
有几种方法可以求解最大公约数：
朴素法：从大到小枚举其中一个数的约数，然后判断该约数是否也是另一个数的约数，找到满足条件的最大公约数。
辗转相除法：通过递归地计算两个数的余数，直到其中一个数为 0，此时另一个数即为最大公约数。
扩展欧几里得算法：用于求解一组整数的可行解，同时计算最大公约数。

5 lcm（最小公倍数）

最小公倍数（Least Common Multiple，缩写为 LCM） 是指两个或多个数的公倍数中最小的那一个。特殊情况下，当两个数互素时，它们的最小公倍数等于它们的乘积。在数学中，LCM有广泛的应用，例如解决不同物品数量的单位转换问题、分数的约分问题等。

6 接收信号的二阶统计量

接收信号的二阶统计量通常包括以下内容：
自相关函数（ACF）：描述信号在不同时间延迟下的相似性。它衡量信号与其自身之间的相关性，对于平稳信号，它是一个关于时间延迟的函数。
功率谱密度（PSD）：是信号的频域表示，表示信号在不同频率上的能量分布。它是自相关函数的傅里叶变换，用于分析信号的频谱特性。
互相关函数（CCF）：描述两个信号之间的相似性。它衡量不同信号之间的相关性，例如在多传感器阵列中用于测量信号的相位差（DOA估计）。
这些统计量对于信号处理和估计问题非常重要，可以帮助我们理解信号的特性、提取有用信息以及进行参数估计。

7 不规则范德蒙分解

不规则范德蒙德分解是一种特殊的矩阵分解方法，用于处理半正定Toeplitz矩阵（Positive-Semi-Definite Toeplitz, PSD）。让我来详细解释一下：
Toeplitz矩阵：Toeplitz矩阵是一种特殊的矩阵，其每条左上至右下的对角线上的元素都相等。这些矩阵在信号处理、线性系统、数值计算等领域中经常出现。
半正定Toeplitz矩阵：这是一种特殊的Toeplitz矩阵，它是半正定矩阵（即所有特征值非负）。
不规则范德蒙德分解：对于秩为r的半正定Toeplitz矩阵T(u) ∈ CN×N，存在一种不规则的范德蒙德分解： [ T = \sum_{k=1}^{r} p_k a(f_k) a^H(f_k) = A(f) \text{diag}(p) A^H(f) ] 其中，(p_k > 0)，(f_k)是不同的频率，且分解在(r < N)时是唯一的。
总结：
当(r \leq N - 1)时，半正定Toeplitz矩阵的不规则范德蒙德分解是唯一的。
当(r = N)时，分解不唯一。
这种分解在信号处理、通信、天线阵列等领域中具有应用。

8 原子范数最小化

原子范数最小化是一种常用的优化方法，可以用于信号处理、图像处理、机器学习等领域中。它的目标是在一组基函数中寻找最小的表示系数，使得信号或图像的重构尽可能接近原始信号或图像。原子范数最小化通过对信号进行稀疏表示，使用少量的原子（或基）来重构信号，从而实现信号压缩、降噪、特征提取等应用。这一方法在处理高维数据、信号恢复和特征选择等问题中具有广泛的应用。

9 无网格DOA估计

无网格DOA估计是一种用于估计信号源方向的方法，其特点在于不依赖于预先定义的网格或离散角度。
传统网格DOA估计：通常，DOA估计方法会将角度空间划分为离散的网格，然后在这些网格上进行估计。这种方法的局限性在于，网格的精度和分辨率对估计性能产生影响。
无网格DOA估计：相比之下，无网格DOA估计不依赖于预先定义的网格。它可以更灵活地估计信号源的方向，适用于具有任意几何结构的天线阵列。这种方法通常使用压缩感知、原子范数最小化等技术，以更高的精度和分辨率估计信号源的DOA。
总之，无网格DOA估计方法在处理复杂场景和非均匀阵列时具有优势，但也需要更复杂的数学和计算方法。

10 酉矩阵

酉矩阵（也叫幺正矩阵）是一种特殊的复数方阵，其共轭转置等于其逆矩阵。数学定义如下：
如果一个n阶复数矩阵U满足以下条件： [ U^U = I ] 其中，(U^)是U的共轭转置，I是n×n单位矩阵，那么U就是酉矩阵。
酉矩阵是正交矩阵（元素均为实数）在复数域上的推广。它具有许多有趣的性质，例如：
酉矩阵与其共轭转置的矩阵乘法可交换，因此是正规矩阵。
酉矩阵必定可逆，且其逆矩阵等于其共轭转置。
酉矩阵的所有特征值都是绝对值等于1的复数。
酉矩阵不会改变两个复向量的点积，即保持内积不变。

11 伪峰

在信号处理和频谱分析中，伪峰（或称为伪谱峰）是指频谱图中出现的不真实的峰值。这些峰值并不对应于实际信号源的频率，而是由于信号处理或采样过程中的一些特性导致的。伪峰可能会干扰频谱分析的准确性，因此在处理频谱数据时需要注意。
例如，在频谱估计中，频谱泄露（Gibbs效应）可能导致伪峰的出现。频谱泄露是指信号在采样时与采样窗口之间的不完美匹配，导致频谱图中出现额外的峰值。这些额外的峰值即为伪峰，它们并不反映真实信号的频率成分。
总之，伪峰是频谱分析中需要注意的现象，我们需要采用合适的技术来抑制或减少其影响。

12 阵列有限孔径

在雷达和天文学领域，阵列有限孔径是一种信号处理技术。它通常用于获得高分辨率图像或准确的目标信息。具体来说：
物理孔径（Physical Aperture）：这是指天线元素的实际尺寸或有效辐射区域的表面积。对于天线阵列而言，物理孔径通常是指单个阵列元素的有效面积。
等效孔径（Effective Aperture）：这是一种描述天线对电磁波感应或辐射能力的参数。它考虑了天线的方向性和辐射特性，是天线在特定方向上的有效性能。
总之，阵列有限孔径技术旨在通过合理设计天线的物理尺寸，使其在特定方向上具有更好的性能，从而提高信号处理的准确性和分辨率。