| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第11-12页 |
| 第1章 引言 | 第12-19页 |
| 1.1 课题提出的背景及意义 | 第12-13页 |
| 1.2 国内外的研究现状 | 第13-17页 |
| 1.2.1 最大似然估计算法 | 第14-15页 |
| 1.2.2 多重信号分类算法 | 第15-17页 |
| 1.3 课题研究的主要工作 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 第2章 压缩感知的理论介绍 | 第19-25页 |
| 2.1 压缩感知的模型 | 第20页 |
| 2.2 信号的稀疏表示 | 第20-21页 |
| 2.3 观测矩阵的选取 | 第21-22页 |
| 2.4 信号重构算法的设计 | 第22-24页 |
| 2.4.1 匹配追踪算法 | 第23页 |
| 2.4.2 最小化L_1范数算法 | 第23-24页 |
| 2.5 本章小节 | 第24-25页 |
| 第3章 基于稀疏分解的信号频率估计算法研究 | 第25-49页 |
| 3.1 高斯白噪声背景下，有数据丢失信号的频率估计 | 第25-29页 |
| 3.2 冲击噪声背景下，有数据丢失信号的频率估计 | 第29-32页 |
| 3.3 off-grid问题下的频率估计 | 第32-37页 |
| 3.3.1 off-grid问题下的一维信号频率估计 | 第33-35页 |
| 3.3.2 off-grid问题下的二维信号频率估计 | 第35-37页 |
| 3.4 仿真实验结果与分析 | 第37-47页 |
| 3.4.1 有数据丢失信号的频率估计的仿真实验结果与分析 | 第38-41页 |
| 3.4.2 冲击噪声下，有数据丢失信号的频率估计仿真实验结果与分析 | 第41-44页 |
| 3.4.3 off-grid问题下的信号频率估计的仿真实验结果与分析 | 第44-47页 |
| 3.5 本章小节 | 第47-49页 |
| 第4章 基于组稀疏表示的信号频率估计算法研究 | 第49-59页 |
| 4.1 组稀疏的表示 | 第49-51页 |
| 4.2 组稀疏的模型 | 第51-52页 |
| 4.2.1 L_(2,1)组套索模型 | 第51页 |
| 4.2.2 稀疏组套索模型 | 第51-52页 |
| 4.3 基于频率组稀疏和冲击噪声组稀疏的频率估计信号重构 | 第52-53页 |
| 4.4 仿真实验结果与分析 | 第53-58页 |
| 4.5 本章小节 | 第58-59页 |
| 第5章 结论与未来工作 | 第59-61页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第66页 |
