稀疏信号恢复算法的鲁棒性研究及应用
| 摘要 | 第5-6页 |
| Absract | 第6-7页 |
| 符号表 | 第10-11页 |
| 常用缩写对照表 | 第11-13页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 问题描述及研究现状 | 第14-21页 |
| 1.2.1 稀疏信号恢复的基本问题 | 第14-15页 |
| 1.2.2 无噪声环境中的稀疏信号恢复 | 第15-17页 |
| 1.2.3 高斯噪声环境中的稀疏信号恢复 | 第17-18页 |
| 1.2.4 脉冲噪声环境中的稀疏信号恢复 | 第18-21页 |
| 1.3 存在的问题 | 第21-22页 |
| 1.4 研究内容与章节安排 | 第22-25页 |
| 第二章 一种改进的块稀疏正交匹配追踪算法 | 第25-47页 |
| 2.1 引言 | 第25页 |
| 2.2 问题描述 | 第25-26页 |
| 2.3 算法及性能分析 | 第26-38页 |
| 2.3.0 block-OMPT算法 | 第26-27页 |
| 2.3.1 有界噪声环境中算法性能分析 | 第27-35页 |
| 2.3.2 高斯噪声环境中算法性能分析 | 第35-38页 |
| 2.4 数值实验 | 第38-46页 |
| 2.4.1 模拟信号分析 | 第38-40页 |
| 2.4.2 信道估计中的应用 | 第40-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第三章 利用信号互相关信息的支撑可恢复性研究 | 第47-65页 |
| 3.1 引言 | 第47-48页 |
| 3.2 问题描述及相关理论 | 第48-50页 |
| 3.2.1 MMV模型中稀疏信号支撑的恢复 | 第48页 |
| 3.2.2 基于信号互相关性的支撑恢复 | 第48-49页 |
| 3.2.3 非负约束LASSO回归 | 第49-50页 |
| 3.3 噪声环境中支撑可恢复性研究 | 第50-58页 |
| 3.4 数值实验 | 第58-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 脉冲噪声环境中鲁棒稀疏信号恢复 | 第65-79页 |
| 4.1 引言 | 第65页 |
| 4.2 问题描述及相关理论 | 第65-69页 |
| 4.2.1 问题描述 | 第65-66页 |
| 4.2.2 ML估计与M估计 | 第66-68页 |
| 4.2.3 Sa S分布 | 第68-69页 |
| 4.3 Sa S分布噪声中鲁棒稀疏信号恢复 | 第69-74页 |
| 4.3.1 迭代重加权硬阈值算法 | 第71-72页 |
| 4.3.2 讨论 | 第72-74页 |
| 4.4 数值实验 | 第74-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第五章 基于广义洛伦兹范数的鲁棒复值稀疏信号恢复 | 第79-87页 |
| 5.1 引言 | 第79页 |
| 5.2 广义洛伦兹范数 | 第79-80页 |
| 5.3 基于广义洛伦兹范数的IHT算法 | 第80-83页 |
| 5.4 数值实验 | 第83-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第六章 基于稀疏信号重构的鲁棒DOA估计算法 | 第87-101页 |
| 6.1 引言 | 第87-88页 |
| 6.2 基于稀疏信号重构的DOA估计 | 第88-89页 |
| 6.3 基于稀疏信号重构的鲁棒DOA估计 | 第89-92页 |
| 6.4 数值实验 | 第92-99页 |
| 6.5 本章小结 | 第99-101页 |
| 结论 | 第101-103页 |
| 参考文献 | 第103-113页 |
| 攻读博士学位期间取得的学术成果 | 第113-115页 |
| 致谢 | 第115-116页 |
| 附件 | 第116页 |
