| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-27页 |
| 1.1 课题研究的背景和意义 | 第14-17页 |
| 1.2 国内外研究现状及发展趋势 | 第17-26页 |
| 1.2.1 分数傅里叶变换理论研究进展 | 第17-19页 |
| 1.2.2 分数傅里叶变换离散数值算法研究进展 | 第19-22页 |
| 1.2.3 稀疏傅里叶变换研究进展 | 第22-24页 |
| 1.2.4 线性调频信号参数估计研究进展 | 第24-26页 |
| 1.3 本文研究内容及章节安排 | 第26-27页 |
| 第2章 稀疏分数傅里叶变换理论 | 第27-53页 |
| 2.1 引言 | 第27-28页 |
| 2.2 稀疏分数傅里叶变换算法 | 第28-36页 |
| 2.2.1 算法结构与流程 | 第28-33页 |
| 2.2.2 算法流程 α 的选取 | 第33-35页 |
| 2.2.3 与贝采样型算法和稀疏傅里叶算法的关系 | 第35-36页 |
| 2.3 算法性能分析 | 第36-40页 |
| 2.3.1 多分量分辨能力分析 | 第36-38页 |
| 2.3.2 计算复杂度分析 | 第38-39页 |
| 2.3.3 鲁棒性分析 | 第39-40页 |
| 2.4 算法应用实例 | 第40-52页 |
| 2.4.1 在加速目标相参积累中的的应用 | 第40-47页 |
| 2.4.2 在高动态直接序列扩频信号同步中的应用 | 第47-52页 |
| 2.5 本章小结 | 第52-53页 |
| 第3章 分数域稀疏线性调频信号参数估计 | 第53-71页 |
| 3.1 引言 | 第53页 |
| 3.2 分数域稀疏多分量线性调频信号参数估计 | 第53-62页 |
| 3.2.1 信号模型 | 第53-54页 |
| 3.2.2 算法描述 | 第54-57页 |
| 3.2.3 算法仿真及性能分析 | 第57-62页 |
| 3.3 人跌倒微多普勒特征分数域检测与识别 | 第62-70页 |
| 3.3.1 应用背景 | 第62-63页 |
| 3.3.2 信号模型 | 第63-64页 |
| 3.3.3 分数域检测分类方法 | 第64-67页 |
| 3.3.4 实验设置与结果分析 | 第67-70页 |
| 3.4 本章小结 | 第70-71页 |
| 第4章 通讯信号干扰下的射电天文信号检测 | 第71-94页 |
| 4.1 引言 | 第71-72页 |
| 4.2 信号模型 | 第72-73页 |
| 4.3 结构感知跳频信号时频谱估计 | 第73-87页 |
| 4.3.1 结构感知自适应核函数设计 | 第75-80页 |
| 4.3.2 基于结构感知稀疏贝叶斯学习的跳频信号谱估计 | 第80-87页 |
| 4.4 跳频干扰抑制与微弱天文信号检测 | 第87-88页 |
| 4.5 仿真结果与分析 | 第88-91页 |
| 4.6 本章小结 | 第91-94页 |
| 第5章 总结与展望 | 第94-98页 |
| 5.1 本文的主要创新和贡献 | 第94-96页 |
| 5.2 研究工作展望 | 第96-98页 |
| 参考文献 | 第98-115页 |
| 攻读学位期间发表论文与研究成果清单 | 第115-120页 |
| 致谢 | 第120-121页 |
| 作者简介 | 第121页 |