| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 基于压缩感知的阵列DOA估计算法研究现状 | 第8-10页 |
| 1.2.2 GPU发展研究现状 | 第10-11页 |
| 1.3 本文的结构安排 | 第11-13页 |
| 第2章 GPU编程技术研究 | 第13-23页 |
| 2.1 CUDA简介 | 第13页 |
| 2.2 CUDA编程模型研究 | 第13-19页 |
| 2.2.1 CUDA硬件架构 | 第13-15页 |
| 2.2.2 CUDA通信机制 | 第15页 |
| 2.2.3 CUDA软件体系 | 第15-18页 |
| 2.2.4 CUDA存储器模型 | 第18-19页 |
| 2.3 CUDA API与库函数 | 第19-21页 |
| 2.3.1 CUDA API | 第19页 |
| 2.3.2 CUDA库函数 | 第19-20页 |
| 2.3.3 CUBLAS实现矩阵运算 | 第20-21页 |
| 2.4 适用于GPU参与提供解决方案的项目特点分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于压缩感知的阵列DOA估计 | 第23-51页 |
| 3.1 压缩感知理论框架 | 第23-28页 |
| 3.1.1 信号的稀疏表示 | 第25-26页 |
| 3.1.2 信号的线性测量 | 第26-27页 |
| 3.1.3 信号的重构 | 第27-28页 |
| 3.2 阵列信号的DOA估计 | 第28-34页 |
| 3.2.1 阵列信号模型 | 第28-31页 |
| 3.2.2 MUSIC算法及其改进 | 第31-34页 |
| 3.3 基于压缩感知的DOA估计模型的建立 | 第34-36页 |
| 3.3.1 空间网格划分方式对于模型的改进 | 第35-36页 |
| 3.4 基于压缩感知的DOA估计算法的实现 | 第36-49页 |
| 3.4.1 基于压缩感知的贪婪算法 | 第36-43页 |
| 3.4.2 基于压缩感知的l_1?SVD DOA估计算法 | 第43-46页 |
| 3.4.3 基于压缩感知的协方差向量稀疏表示DOA估计算法 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于压缩感知的阵列DOA估计的GPU实现 | 第51-67页 |
| 4.1 基于压缩感知的DOA估计算法的特点分析 | 第51-52页 |
| 4.2 核心运算单元的GPU实现 | 第52-58页 |
| 4.2.1 矩阵分块求逆模块 | 第52-53页 |
| 4.2.2 复数运算 | 第53-55页 |
| 4.2.3 矩阵-向量快速相乘模块 | 第55-58页 |
| 4.3 DOA估计的具体实现 | 第58-61页 |
| 4.3.1 GPU处理实现流程 | 第58-59页 |
| 4.3.2 核函数编写与执行配置 | 第59-61页 |
| 4.4 基于GPU的压缩感知的DOA估计性能分析 | 第61-65页 |
| 4.4.1 计算准确性检查 | 第61-63页 |
| 4.4.2 计算性能分析 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第72-74页 |
| 致谢 | 第74页 |
