| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 波达方向估计的研究现状 | 第10-11页 |
| 1.2.2 基于压缩感知理论的DOA估计研究现状 | 第11-12页 |
| 1.3 论文主要工作及结构安排 | 第12-14页 |
| 第2章 基于压缩感知的DOA估计基本原理 | 第14-26页 |
| 2.1 DOA估计基本原理 | 第14-17页 |
| 2.1.1 DOA估计数学模型 | 第14-16页 |
| 2.1.2 传统的DOA估计算法 | 第16-17页 |
| 2.2 基于压缩感知的DOA估计基本原理 | 第17-21页 |
| 2.2.1 压缩感知的基本原理 | 第18-19页 |
| 2.2.2 基于压缩感知的DOA估计数学模型 | 第19-21页 |
| 2.3 信号重构算法 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于贝叶斯压缩感知的DOA估计 | 第26-41页 |
| 3.1 基于贝叶斯学习的压缩感知基本原理 | 第27-35页 |
| 3.1.1 贝叶斯学习过程 | 第27-28页 |
| 3.1.2 基于贝叶斯学习的压缩感知原理 | 第28-33页 |
| 3.1.3 贝叶斯压缩感知的快速算法 | 第33-35页 |
| 3.2 基于贝叶斯压缩感知的DOA估计 | 第35-40页 |
| 3.2.1 基于贝叶斯压缩感知DOA估计的基本原理 | 第36-37页 |
| 3.2.2 仿真实验与结果分析 | 第37-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 EIV网格失配优化模型 | 第41-55页 |
| 4.1 EIV网格失配优化模型的建立 | 第41-43页 |
| 4.2 EIV网格失配优化模型的求解 | 第43-47页 |
| 4.2.1 稀疏信号重构求解的LASSO模型 | 第43-44页 |
| 4.2.2 迭代阈值收缩算法 | 第44-46页 |
| 4.2.3 快速迭代阈值收缩算法 | 第46-47页 |
| 4.3 基于改进FISTA算法的DOA估计 | 第47-49页 |
| 4.4 MMV-OMP与M-FISTA联合估计算法 | 第49-50页 |
| 4.5 仿真实验与结果分析 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于压缩感知的二维DOA估计 | 第55-65页 |
| 5.1 基于压缩感知的二维DOA估计数学模型 | 第55-56页 |
| 5.2 二维稀疏信号的重构算法 | 第56-59页 |
| 5.3 二维FISTA算法 | 第59-60页 |
| 5.4 仿真实验与结果分析 | 第60-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |