| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 外辐射源雷达研究背景 | 第7-8页 |
| 1.2 外辐射源雷达系统国内外研究现状 | 第8-9页 |
| 1.3 GPU 高性能计算基本概述 | 第9-10页 |
| 1.3.1 高性能计算的发展 | 第9页 |
| 1.3.2 GPU 发展简介 | 第9-10页 |
| 1.4 本文主要内容及章节安排 | 第10-13页 |
| 第二章 GPU 高性能计算与 CUDA 编程技术 | 第13-25页 |
| 2.1 高性能计算中的 CPU 与 GPU | 第13-15页 |
| 2.2 CUDA 编程模型与开发技术 | 第15-21页 |
| 2.2.1 CUDA 简介 | 第15页 |
| 2.2.2 CUDA 编程模型 | 第15-16页 |
| 2.2.3 CUDA 硬件映射 | 第16-18页 |
| 2.2.4 CUDA 存储器模型 | 第18-20页 |
| 2.2.5 CUDA 软件体系 | 第20-21页 |
| 2.3 CUDA 的库函数调用与性能优化 | 第21-23页 |
| 2.3.1 CUBLAS 库实现矩阵运算 | 第21-22页 |
| 2.3.2 CUDA 性能优化 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于压缩感知的外辐射源雷达 DOA 估计 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 DOA 估计理论概述 | 第25-30页 |
| 3.2.1 DOA 估计基本原理 | 第25-26页 |
| 3.2.2 DOA 估计经典算法 | 第26-28页 |
| 3.2.3 DOA 估计算法的性能分析 | 第28-30页 |
| 3.3 压缩感知理论框架 | 第30-33页 |
| 3.3.1 信号的稀疏表示 | 第31页 |
| 3.3.2 观测矩阵的设计[22] | 第31-33页 |
| 3.3.3 稀疏信号的重构算法 | 第33页 |
| 3.4 基于压缩感知的 DOA 估计信号模型 | 第33-35页 |
| 3.5 性能分析 | 第35-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于压缩感知的方位向稀疏重构及其 GPU 实现 | 第39-55页 |
| 4.1 引言 | 第39页 |
| 4.2 基于压缩感知的方位向稀疏重构 | 第39-45页 |
| 4.2.1 方位向稀疏重构模型 | 第39-41页 |
| 4.2.2 稀疏重构算法 | 第41-45页 |
| 4.3 稀疏重构算法的 GPU 实现 | 第45-54页 |
| 4.3.1 GPU 处理实现流程 | 第45-48页 |
| 4.3.2 kernel 函数编程实现 | 第48-53页 |
| 4.3.3 基于 GPU 的 DOA 估计性能分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结束语 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者在读期间的研究成果 | 第63-64页 |