| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 分布式信源参数估计的研究现状 | 第11-13页 |
| 1.3 分布式信源参数估计的关键问题 | 第13-14页 |
| 1.4 本文的主要内容及结构安排 | 第14-16页 |
| 第2章 分布式信源参数估计的理论基础 | 第16-32页 |
| 2.1 信号模型 | 第16-21页 |
| 2.1.1 点信源信号模型 | 第16-19页 |
| 2.1.2 分布式信源信号模型 | 第19-21页 |
| 2.2 支持向量回归 | 第21-28页 |
| 2.2.1 统计学习理论 | 第21-25页 |
| 2.2.2 支持向量机 | 第25-27页 |
| 2.2.3 支持向量回归 | 第27-28页 |
| 2.3 粒子群优化算法 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 分布式信源参数估计的基本算法 | 第32-52页 |
| 3.1 基于特征子空间的算法 | 第32-39页 |
| 3.1.1 矢量化MUSIC(VEC-MUSIC)算法 | 第32-35页 |
| 3.1.2 低复杂度的Root-MUSIC算法 | 第35-39页 |
| 3.2 基于波束形成的算法 | 第39-46页 |
| 3.2.1 基于Cholesky分解的波束形成算法 | 第40-44页 |
| 3.2.2 鲁棒Capon波束形成 | 第44-46页 |
| 3.3 自相关矩阵拟合算法 | 第46-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 基于支持向量回归的分布式信源参数估计算法 | 第52-66页 |
| 4.1 信号模型 | 第52-53页 |
| 4.2 基于支持向量回归的分布式信源参数估计算法 | 第53-59页 |
| 4.2.1 求取回归函数 | 第53-55页 |
| 4.2.2 构建训练样本集合 | 第55-56页 |
| 4.2.3 回归参数选取 | 第56-58页 |
| 4.2.4 基于支持向量回归的分布式信源参数估计 | 第58-59页 |
| 4.3 仿真实验及结果分析 | 第59-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第5章 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74页 |