| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-13页 |
| 1.1.1 压缩感知 | 第10-11页 |
| 1.1.2 大规模MIMO | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的结构安排 | 第15-16页 |
| 第二章 压缩感知原理 | 第16-33页 |
| 2.1 压缩感知框架 | 第16-17页 |
| 2.2 稀疏表示 | 第17-18页 |
| 2.3 测量矩阵 | 第18-20页 |
| 2.3.1 Spark | 第18-19页 |
| 2.3.2 互相关性 | 第19页 |
| 2.3.3 限制等距性质 | 第19-20页 |
| 2.4 重构算法 | 第20-32页 |
| 2.4.1 最小化l0范数算法 | 第21-28页 |
| 2.4.2 最小化l1范数算法 | 第28-29页 |
| 2.4.3 贝叶斯压缩感知算法 | 第29-32页 |
| 2.4.4 其它算法 | 第32页 |
| 2.5 压缩感知与信道估计 | 第32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于空间相关性的Massive MIMO信道估计 | 第33-49页 |
| 3.1 系统模型 | 第33-38页 |
| 3.1.1 MIMO-OFDM系统 | 第33-35页 |
| 3.1.2 稀疏多径信道模型 | 第35-38页 |
| 3.2 空间相关性 | 第38-40页 |
| 3.3 压缩感知信道估计算法 | 第40-44页 |
| 3.3.1 迭代硬阈值算法 | 第40-42页 |
| 3.3.2 块迭代硬阈值算法 | 第42-44页 |
| 3.4 仿真与分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于时间相关性的Massive MIMO信道估计 | 第49-69页 |
| 4.1 系统模型 | 第49-58页 |
| 4.1.1 物理信道模型 | 第49-53页 |
| 4.1.2 角度域信道模型 | 第53-58页 |
| 4.2 时间相关性 | 第58-60页 |
| 4.3 压缩感知信道估计算法 | 第60-64页 |
| 4.3.1 改进的迭代硬阈值算法 | 第60-62页 |
| 4.3.2 改进的稀疏自适应匹配追踪算法 | 第62-64页 |
| 4.4 仿真与分析 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69-70页 |
| 5.2 工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 个人简历及攻读硕士期间的研究成果 | 第77-78页 |