| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 论文内容安排 | 第13-15页 |
| 第二章 基本理论及常见算法 | 第15-29页 |
| 2.1 空间谱估计基本理论 | 第15-17页 |
| 2.2 传统子空间算法介绍 | 第17-21页 |
| 2.2.1 多重信号分类算法 | 第17-19页 |
| 2.2.2 旋转不变子空间算法 | 第19-21页 |
| 2.3 基于稀疏表示的算法介绍 | 第21-28页 |
| 2.3.1 基于1l范数的稀疏重构DOA估计算法 | 第21-23页 |
| 2.3.2 基于稀疏贝叶斯学习的DOA估计算法 | 第23-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于稀疏贝叶斯学习的nested阵列DOA估计算法研究 | 第29-46页 |
| 3.1 nested阵列结构模型 | 第29-31页 |
| 3.2 原始的二阶稀疏贝叶斯nested阵列DOA估计算法 | 第31-33页 |
| 3.3 新型off-grid稀疏贝叶斯nested阵列DOA估计算法 | 第33-38页 |
| 3.3.1 稀疏贝叶斯检测模型 | 第33-36页 |
| 3.3.2 网格更新与DOA估计 | 第36-38页 |
| 3.4 仿真实验及结果分析 | 第38-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于稀疏贝叶斯学习的二维目标角度估计算法研究 | 第46-61页 |
| 4.1 双基地MIMO雷达信号模型 | 第46-49页 |
| 4.2 二维角度的off-grid稀疏贝叶斯数据模型 | 第49-51页 |
| 4.3 DOD和DOA估计 | 第51-54页 |
| 4.4 仿真实验及结果分析 | 第54-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作小结 | 第61页 |
| 5.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间的研究成果 | 第70-71页 |
| 附录 | 第71页 |
| 附录 A. nested阵列DOA估计的CRB | 第71页 |
