| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 超声DOA估计的国内外研究现状 | 第11-12页 |
| 1.2.2 压缩感知的国内外研究现状 | 第12-13页 |
| 1.2.3 GPU并行化的国内外研究现状 | 第13-15页 |
| 1.3 论文组织结构 | 第15-19页 |
| 1.3.1 本文符号说明 | 第15页 |
| 1.3.2 研究思路 | 第15-17页 |
| 1.3.3 论文结构 | 第17-19页 |
| 2 超声波阵列基本原理 | 第19-30页 |
| 2.1 空气中超声波的传播特性 | 第19-20页 |
| 2.2 超声波声场特性分析 | 第20-26页 |
| 2.2.1 单个超声波换能器声场特性 | 第21-24页 |
| 2.2.2 超声阵列声场特性分析 | 第24-26页 |
| 2.3 超声波阵列声场模型 | 第26-29页 |
| 2.3.1 均匀线阵声场模型 | 第26-27页 |
| 2.3.2 L型阵列声场模型 | 第27-29页 |
| 2.4 本章小节 | 第29-30页 |
| 3 基于稀疏表示的超声DOA估计 | 第30-43页 |
| 3.1 基于空间角接收信号的表示方法 | 第30-31页 |
| 3.2 基于特征矢量稀疏分解的二维DOA估计算法 | 第31-32页 |
| 3.3 基于协方差矩阵降维稀疏表示的二维DOA估计算法 | 第32-37页 |
| 3.3.1 算法原理 | 第32-35页 |
| 3.3.2 方位角和俯仰角配对 | 第35页 |
| 3.3.3 输出阵列协方差矩阵列数优化 | 第35-37页 |
| 3.4 算法性能仿真分析 | 第37-42页 |
| 3.4.1 两种算法的性能仿真实验及分析 | 第37-42页 |
| 3.4.2 两种算法运算时间分析 | 第42页 |
| 3.5 本章小节 | 第42-43页 |
| 4 基于压缩感知的超声DOA估计 | 第43-62页 |
| 4.1 压缩感知基本原理 | 第43-45页 |
| 4.2 基于压缩感知的DOA估计算法实现 | 第45-54页 |
| 4.2.1 信号的稀疏表示 | 第45-46页 |
| 4.2.2 测量矩阵的设计 | 第46-50页 |
| 4.2.3 信号的稀疏重建算法 | 第50-54页 |
| 4.3 算法仿真分析 | 第54-61页 |
| 4.3.1 算法的估计效果仿真分析 | 第54-55页 |
| 4.3.2 算法的性能参数仿真分析 | 第55-59页 |
| 4.3.3 测量数M与重构成功概率仿真分析 | 第59页 |
| 4.3.4 稀疏度K与重构概率仿真分析 | 第59-60页 |
| 4.3.5 算法运算时间分析 | 第60-61页 |
| 4.4 本章小节 | 第61-62页 |
| 5 基于GPU的超声DOA估计并行优化 | 第62-76页 |
| 5.1 CUDA编程模型介绍 | 第62-64页 |
| 5.2 基于Eigen的超声DOA估计初步实现 | 第64-66页 |
| 5.3 基于CUDA模型的超声DOA估计并行化实现 | 第66-72页 |
| 5.3.1 超声DOA估计算法特点分析 | 第66-67页 |
| 5.3.2 超声DOA估计算法并行化设计 | 第67-72页 |
| 5.4 超声DOA估计算法并行化结果分析 | 第72-75页 |
| 5.5 本章小节 | 第75-76页 |
| 结论 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文及研究结果 | 第84页 |