摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
注释表 | 第14-15页 |
缩略词 | 第15-18页 |
第一章 绪论 | 第18-31页 |
1.1 研究背景和意义 | 第18-20页 |
1.2 国内外研究现状 | 第20-28页 |
1.2.1 CS理论研究动态 | 第20-23页 |
1.2.2 CSR研究动态 | 第23-28页 |
1.3 论文主要创新及内容安排 | 第28-31页 |
第二章 CS基础与CS中的噪声分析 | 第31-46页 |
2.1 引言 | 第31-32页 |
2.2 稀疏表示与CS数学模型 | 第32-35页 |
2.2.1. 范数基础 | 第32-33页 |
2.2.2. CS数学模型 | 第33-35页 |
2.3 测量矩阵设计 | 第35-38页 |
2.3.1 RIP与非相干特性 | 第35-37页 |
2.3.2 典型感知矩阵与感知矩阵优化 | 第37-38页 |
2.4 优化重构 | 第38-40页 |
2.5 CS中的噪声分析 | 第40-45页 |
2.5.1 含噪声CS模型 | 第40-43页 |
2.5.2 测量噪声分析 | 第43-44页 |
2.5.3 信号噪声分析 | 第44-45页 |
2.6 本章小结 | 第45-46页 |
第三章 自适应选择性压缩采样测量矩阵设计 | 第46-60页 |
3.1 引言 | 第46-47页 |
3.2 ASCS方案 | 第47-54页 |
3.2.1 基于子空间方法的噪声信息估计方案 | 第48-49页 |
3.2.2 稀疏信号重构 | 第49-51页 |
3.2.3 仿真结果及分析 | 第51-54页 |
3.3 基于ASCS的CS-MIMO雷达DOA估计 | 第54-59页 |
3.3.1 CS-MIMO雷达信号模型 | 第54-55页 |
3.3.2 随机阵列结构的RIP分析 | 第55-56页 |
3.3.3 基于HOSVD的子空间估计 | 第56-58页 |
3.3.4 仿真结果及分析 | 第58-59页 |
3.4 本章小节 | 第59-60页 |
第四章 结构稀疏贝叶斯框架的多任务压缩感知重构算法 | 第60-77页 |
4.1 引言 | 第60-61页 |
4.2 结构相关SBL算法 | 第61-70页 |
4.2.1 MSBL算法 | 第61-63页 |
4.2.2 基于结构相关稀疏稀疏学习的MCS算法 | 第63-66页 |
4.2.3 仿真实验及分析 | 第66-70页 |
4.3 基于结构相关SBL的CS-MIMO雷达DOA估计 | 第70-76页 |
4.3.1 信号模型 | 第70-72页 |
4.3.2 仿真结果及分析 | 第72-76页 |
4.4 本章小节 | 第76-77页 |
第五章 多维压缩感知双基地MIMO雷达角度估计 | 第77-92页 |
5.1 引言 | 第77-78页 |
5.2 多维压缩感知基础 | 第78-83页 |
5.2.1 二维压缩感知 | 第78-80页 |
5.2.2 多维压缩感知 | 第80-83页 |
5.3 基于三维压缩感知的MIMO雷达联合DOD与DOA估计 | 第83-91页 |
5.3.1 信号模型 | 第83-84页 |
5.3.2 基于三维压缩感知的联合DOD和DOA估计算法 | 第84-87页 |
5.3.3 算法分析及仿真 | 第87-88页 |
5.3.4 仿真结果及分析 | 第88-91页 |
5.4 本章小节 | 第91-92页 |
第六章 基于调制宽带转换器的AIC | 第92-109页 |
6.1 引言 | 第92-93页 |
6.2 MWC系统 | 第93-97页 |
6.2.1 信号模型 | 第93-95页 |
6.2.2 多通道采样的CS模型 | 第95-96页 |
6.2.3 多带信号重构 | 第96-97页 |
6.3 基于多Chirp信号的MWC方案 | 第97-104页 |
6.3.1 多Chirp信号的设计与优化 | 第98-101页 |
6.3.2 仿真结果及分析 | 第101-104页 |
6.4 基于多SFM信号的MWC方案 | 第104-108页 |
6.4.1 多SFM信号的设计与优化 | 第104-107页 |
6.4.2 仿真结果及分析 | 第107-108页 |
6.5 本章小节 | 第108-109页 |
总结与展望 | 第109-111页 |
参考文献 | 第111-121页 |
致谢 | 第121-122页 |
在学期间的研究成果及发表的学术论文 | 第122-123页 |