| 常用符号 | 第1-12页 |
| 缩略词 | 第12-14页 |
| 摘要 | 第14-16页 |
| Abstract | 第16-18页 |
| 第一章 绪论 | 第18-28页 |
| ·课题背景和研究意义 | 第18页 |
| ·稀疏重构算法的研究现状 | 第18-25页 |
| ·单观测稀疏重构算法的研究现状 | 第19-23页 |
| ·贪婪类算法 | 第19-20页 |
| ·l_p范数类算法 | 第20-21页 |
| ·迭代加权算法 | 第21-22页 |
| ·概率类算法 | 第22-23页 |
| ·多观测稀疏重构算法的研究现状 | 第23页 |
| ·基于稀疏重构算法的应用研究现状 | 第23-25页 |
| ·基于稀疏重构算法的非均匀样本谱估计 | 第24页 |
| ·基于联合稀疏重构算法的空间谱估计 | 第24-25页 |
| ·论文主要工作及内容安排 | 第25-28页 |
| 第二章 稀疏重构算法的基础知识 | 第28-34页 |
| ·引言 | 第28页 |
| ·相关的定义及性质 | 第28-29页 |
| ·稀疏重构问题的数学模型 | 第29-31页 |
| ·单观测稀疏重构问题 | 第29-30页 |
| ·多观测稀疏重构问题 | 第30-31页 |
| ·经典的稀疏重构算法 | 第31-33页 |
| ·SL0 算法 | 第31-32页 |
| ·SBL 算法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于近似l_0范数的不含噪单观测稀疏重构算法 | 第34-56页 |
| ·引言 | 第34-35页 |
| ·l_0 范数的近似表示 | 第35-36页 |
| ·稳定收敛的近似l_0范数最小化算法 | 第36-45页 |
| ·SCAL0 算法基本思想 | 第36-38页 |
| ·SCAL0 算法步骤 | 第38-39页 |
| ·SCAL0 算法性能分析 | 第39-45页 |
| ·基于迭代支撑集检测的近似l_0范数最小化算法 | 第45-50页 |
| ·ISD-AL0 算法基本思想 | 第45-47页 |
| ·ISD-AL0 算法步骤 | 第47-49页 |
| ·ISD-AL0 算法收敛性分析 | 第49-50页 |
| ·仿真实验与分析 | 第50-55页 |
| ·性能评价准则 | 第50页 |
| ·SCAL0 算法和 ISD-AL0 算法仿真分析 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于近似l_0范数的含噪单观测稀疏重构算法及其应用 | 第56-79页 |
| ·引言 | 第56-57页 |
| ·近似l_0 范数期望值最小化算法 | 第57-61页 |
| ·信号模型和假设条件 | 第57页 |
| ·EML0 算法基本思想 | 第57-60页 |
| ·EML0 算法步骤 | 第60-61页 |
| ·快速收敛的稳健近似l0 范数算法 | 第61-68页 |
| ·信号模型和假设条件 | 第61-62页 |
| ·FCRAL0 算法基本思想 | 第62-63页 |
| ·FCRAL0 算法步骤 | 第63-64页 |
| ·参数选取 | 第64-65页 |
| ·FCRAL0 算法性能分析 | 第65-68页 |
| ·基于近似l_0 范数的非均匀样本频谱估计 | 第68-70页 |
| ·非均匀采样的稀疏重构模型 | 第68-69页 |
| ·复数域快速收敛的稳健近似l_0 范数最小化算法 | 第69-70页 |
| ·仿真实验与分析 | 第70-78页 |
| ·EML0 算法和 FCRAL0 算法仿真分析 | 第70-73页 |
| ·基于 Complex-FCRAL0 算法的非均匀样本频谱估计 | 第73-78页 |
| ·复值单频信号的频谱估计 | 第73-76页 |
| ·BPSK 信号的频谱估计 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 基于贝叶斯模型的单观测含噪稀疏重构算法 | 第79-97页 |
| ·引言 | 第79页 |
| ·快速的贝叶斯稀疏重构算法 | 第79-86页 |
| ·信号模型和假设条件 | 第79-80页 |
| ·基于拉普拉斯分布的贝叶斯模型 | 第80-82页 |
| ·参数估计 | 第82-85页 |
| ·FBSR 算法基本步骤 | 第85-86页 |
| ·基于 FBSR 算法的频谱估计 | 第86-89页 |
| ·非均匀样本的稀疏重构模型 | 第86-87页 |
| ·基于 FBSR 算法的非均匀样本频谱估计 | 第87-89页 |
| ·仿真试验与分析 | 第89-95页 |
| ·FBSR 算法仿真分析 | 第89-92页 |
| ·基于 Complex-FBSR 算法的非均匀样本频谱估计 | 第92-95页 |
| ·本章小结 | 第95-97页 |
| 第六章 基于近似l_2.0范数的多观测稀疏重构算法 | 第97-117页 |
| ·引言 | 第97-98页 |
| ·多观测近似l_2.0范数最小化算法 | 第98-103页 |
| ·不含噪的多观测稀疏重构模型 | 第98页 |
| ·M-AL0 算法的基本思想 | 第98-100页 |
| ·M-AL0 算法步骤 | 第100-101页 |
| ·M-AL0 算法分析 | 第101-103页 |
| ·快速收敛的多观测稳健近似l_2.0范数最小化算法 | 第103-106页 |
| ·含噪的多观测稀疏重构模型 | 第103页 |
| ·M-RAL0 算法基本思想 | 第103-105页 |
| ·M-RAL0 算法步骤 | 第105-106页 |
| ·基于联合稀疏的 DOA 估计 | 第106-109页 |
| ·DOA 估计问题 | 第106-107页 |
| ·DOA 估计的联合稀疏重构模型 | 第107-108页 |
| ·基于联合稀疏的 DOA 估计算法 | 第108-109页 |
| ·数值仿真 | 第109-115页 |
| ·M-AL0 算法和 M-RAL0 算法的仿真分析 | 第109-112页 |
| ·JSDOA 算法的仿真分析 | 第112-115页 |
| ·结论 | 第115-117页 |
| 第七章 结论与展望 | 第117-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-132页 |
| 作者在学期间取得的学术成果 | 第132-133页 |
| 攻读博士学位期间参与的科研项目 | 第133页 |
