摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第9-14页 |
1.1 研究背景与意义 | 第9-11页 |
1.2 宽带雷达信号处理国内外研究现状 | 第11-12页 |
1.3 压缩感知在雷达信号处理上的应用 | 第12-13页 |
1.4 本文研究内容及安排 | 第13-14页 |
2 压缩感知与模拟信息转换 | 第14-26页 |
2.1 压缩感知理论 | 第14-19页 |
2.1.1 信号的稀疏表示 | 第14-15页 |
2.1.2 测量矩阵与信号可重构条件 | 第15-16页 |
2.1.3 信号重构算法 | 第16-19页 |
2.2 模拟信息转换 | 第19-22页 |
2.2.1 随机滤波 | 第19-20页 |
2.2.2 随机解调 | 第20-21页 |
2.2.3 调制宽带转换器 | 第21-22页 |
2.3 窄带回波信号的正交压缩采样 | 第22-25页 |
2.4 本章小结 | 第25-26页 |
3 基于正交压缩采样的宽带回波信号重构与参数估计 | 第26-42页 |
3.1 宽带回波信号模型 | 第26-28页 |
3.2 宽带模糊函数 | 第28-29页 |
3.3 宽带回波信号的正交压缩采样 | 第29-31页 |
3.4 基于稀疏重构的时延—尺度因子联合估计 | 第31-34页 |
3.5 仿真实验一: 信号重构性能 | 第34-38页 |
3.5.1 无噪情况的仿真实验 | 第34-35页 |
3.5.2 有噪环境下的重构实验 | 第35-38页 |
3.6 仿真实验二: 参数估计性能 | 第38-41页 |
3.6.1 On-grid条件下参数估计实验 | 第39页 |
3.6.2 Off-grid条件下参数估计实验 | 第39-41页 |
3.7 本章小结 | 第41-42页 |
4 基于稀疏贝叶斯学习的宽带回波目标参数估计 | 第42-54页 |
4.1 贝叶斯压缩感知原理 | 第42-44页 |
4.2 基于稀疏贝叶斯学习的时延—尺度因子联合估计 | 第44-47页 |
4.3 仿真实验 | 第47-52页 |
4.3.1 重构性能 | 第47-48页 |
4.3.2 参数估计性能 | 第48-52页 |
4.4 稀疏贝叶斯学习与OMP算法的比较 | 第52-53页 |
4.5 本章小结 | 第53-54页 |
5 总结与展望 | 第54-55页 |
致谢 | 第55-56页 |
参考文献 | 第56-61页 |