| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 引言 | 第13页 |
| 1.2 研究意义及选题背景 | 第13-15页 |
| 1.3 国内外相关技术现状 | 第15-18页 |
| 1.3.1 传统匹配场源定位研究现状 | 第15-17页 |
| 1.3.2 基于压缩感知理论的匹配场源定位研究现状 | 第17-18页 |
| 1.4 本文的主要研究工作和内容安排 | 第18-21页 |
| 第2章 相关理论基础 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 匹配场源定位 | 第21-26页 |
| 2.2.1 基本原理 | 第21-22页 |
| 2.2.2 声场模型 | 第22-24页 |
| 2.2.3 匹配场源定位模型 | 第24页 |
| 2.2.4 传统的匹配场源定位算法 | 第24-26页 |
| 2.3 压缩感知理论 | 第26-32页 |
| 2.3.1 信号的稀疏表示 | 第26-27页 |
| 2.3.2 超完备冗余字典 | 第27-28页 |
| 2.3.3 压缩感知的基本原理 | 第28-29页 |
| 2.3.4 观测矩阵的设计 | 第29-30页 |
| 2.3.5 信号模型 | 第30-31页 |
| 2.3.6 信号的稀疏重构 | 第31页 |
| 2.3.7 常用的重构算法介绍 | 第31-32页 |
| 2.4 基于空间稀疏的匹配场源定位 | 第32-36页 |
| 2.4.1 基于空间稀疏的窄带匹配场源定位模型 | 第33-34页 |
| 2.4.2 基于空间稀疏的宽带匹配场源定位模型 | 第34-35页 |
| 2.4.3 稀疏重构算法实现匹配场源定位 | 第35-36页 |
| 2.5 本章小节 | 第36-37页 |
| 第3章 基于平滑l_0范数的匹配场源定位 | 第37-53页 |
| 3.1 引言 | 第37页 |
| 3.2 平滑l_0范数的基本原理 | 第37-39页 |
| 3.3 基于平滑l_0范数的匹配场源定位 | 第39-40页 |
| 3.4 数值仿真及结果分析 | 第40-51页 |
| 3.4.1 基于平滑l_0范数的匹配场源定位的实现 | 第41-44页 |
| 3.4.2 与传统匹配场源定位性能分析对比 | 第44-50页 |
| 3.4.3 与压缩感知匹配场源定位性能分析对比 | 第50-51页 |
| 3.5 本章小节 | 第51-53页 |
| 第4章 基于改进平滑l_0范数的匹配场源定位 | 第53-61页 |
| 4.1 引言 | 第53页 |
| 4.2 改进平滑l_0范数的基本原理 | 第53-55页 |
| 4.3 基于改进平滑l_0范数的匹配场源定位模型 | 第55页 |
| 4.4 数值仿真及结果分析 | 第55-59页 |
| 4.4.1 基于改进平滑l_0范数的匹配场源定位的实现 | 第56页 |
| 4.4.2 与基于平滑l_0范数的匹配场源定位性能比较 | 第56-59页 |
| 4.5 本章小节 | 第59-61页 |
| 第5章 基于稀疏贝叶斯学习的匹配场源定位 | 第61-73页 |
| 5.1 引言 | 第61页 |
| 5.2 基于稀疏贝叶斯学习算法（SBL）的匹配场源定位原理 | 第61-66页 |
| 5.2.1 压缩感知多测量观测模型（CS-MMV） | 第61-62页 |
| 5.2.2 建立基于CS-MMV的时域AR模型 | 第62页 |
| 5.2.3 信号源的特征值分解 | 第62-63页 |
| 5.2.4 稀疏贝叶斯学习算法原理 | 第63-65页 |
| 5.2.5 实现水下声源匹配场定位的步骤 | 第65-66页 |
| 5.3 数值仿真及结果分析 | 第66-72页 |
| 5.3.1 方法可行性分析 | 第66-68页 |
| 5.3.2 性能分析比较 | 第68-72页 |
| 5.4 本章小节 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 主要研究成果 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-81页 |
| 致谢 | 第81-82页 |
| 详细摘要 | 第82-86页 |
