| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外三维SAR研究概况 | 第12-15页 |
| 1.2.1 国外三维SAR研究概况 | 第12-15页 |
| 1.2.2 国内三维SAR研究概况 | 第15页 |
| 1.3 本论文的结构安排 | 第15-17页 |
| 第二章 阵列三维SAR成像技术 | 第17-27页 |
| 2.1 阵列三维SAR成像原理 | 第17-21页 |
| 2.1.1 相位中心近似（PCA）准则 | 第18-19页 |
| 2.1.2 脉冲压缩技术 | 第19-20页 |
| 2.1.3 信号模型 | 第20-21页 |
| 2.2 模糊函数与分辨率 | 第21-23页 |
| 2.3 成像处理算法 | 第23-25页 |
| 2.3.1 三维距离多普勒算法 | 第23-24页 |
| 2.3.2 三维后向投影算法 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于稀疏重建的阵列三维SAR成像 | 第27-39页 |
| 3.1 压缩感知与稀疏重建 | 第27-28页 |
| 3.2 阵列三维SAR成像的稀疏性及测量模型 | 第28-29页 |
| 3.3 贪婪策略及凸优化 | 第29-30页 |
| 3.3.1 贪婪策略 | 第29-30页 |
| 3.3.2 凸优化 | 第30页 |
| 3.4 匹配追踪算法 | 第30-34页 |
| 3.4.1 匹配追踪算法（MP算法） | 第30-31页 |
| 3.4.2 正交匹配追踪算法（OMP算法） | 第31-32页 |
| 3.4.3 压缩采样匹配追踪算法（CoSaMP算法） | 第32-33页 |
| 3.4.4 实验仿真分析 | 第33-34页 |
| 3.5 最小绝对值搜索 | 第34-37页 |
| 3.5.1 最小角度回归算法（LARS算法） | 第34-35页 |
| 3.5.2 最小绝对值搜索算法（LASSO算法） | 第35-36页 |
| 3.5.3 实验仿真分析 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于变分模型的阵列三维SAR分辨率增强 | 第39-70页 |
| 4.1 变分问题 | 第39-41页 |
| 4.1.1 变分法 | 第39页 |
| 4.1.2 泛函的变分 | 第39-40页 |
| 4.1.3 欧拉方程 | 第40-41页 |
| 4.2 基于变分模型的DEM估计 | 第41-44页 |
| 4.2.1 构建变分模型 | 第41-43页 |
| 4.2.2 传统求解 | 第43-44页 |
| 4.3 求解一元变分问题 | 第44-53页 |
| 4.3.1 限制模糊函数 | 第44-47页 |
| 4.3.2 全局最优解 | 第47-49页 |
| 4.3.3 通过OMP获取局部最优解 | 第49-53页 |
| 4.4 性能分析 | 第53-63页 |
| 4.4.1 LMS准则 | 第54-59页 |
| 4.4.2 Var-OMP算法性能分析 | 第59-63页 |
| 4.5 对比分析 | 第63-69页 |
| 4.5.1 山地区域性能分析 | 第63-66页 |
| 4.5.2 城市区域性能分析 | 第66-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 研究内容总结 | 第70页 |
| 5.2 工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |