摘要 | 第10-12页 |
Abstract | 第12-13页 |
第一章 绪论 | 第15-26页 |
1.1 研究背景及意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-24页 |
1.2.1 压缩感知理论研究现状 | 第16-22页 |
1.2.2 基于压缩感知的高分辨雷达成像研究现状 | 第22-24页 |
1.3 本文主要工作及内容安排 | 第24-26页 |
第二章 基于压缩感知的高分辨雷达成像基本原理 | 第26-54页 |
2.1 引言 | 第26页 |
2.2 压缩感知理论 | 第26-39页 |
2.2.1 问题描述 | 第26-27页 |
2.2.2 信号重构方法 | 第27-39页 |
2.3 高分辨雷达成像的回波模型 | 第39-44页 |
2.3.1 高分辨距离成像的回波模型 | 第40-41页 |
2.3.2 高分辨二维成像的回波模型 | 第41-44页 |
2.4 基于压缩感知的成像方案 | 第44-46页 |
2.4.1 欠采样回波数据的获取方式 | 第44-45页 |
2.4.2 成像方法 | 第45-46页 |
2.5 仿真实验与分析 | 第46-53页 |
2.5.1 高分辨距离成像 | 第47-50页 |
2.5.2 高分辨二维成像 | 第50-53页 |
2.6 本章小结 | 第53-54页 |
第三章 基于词典优化的CS信号重构与高分辨距离像形成 | 第54-85页 |
3.1 引言 | 第54-55页 |
3.2 基于词典优化的复正弦信号重构算法 | 第55-64页 |
3.2.1 基本原理 | 第55-56页 |
3.2.2 变分EM算法 | 第56-58页 |
3.2.3 稀疏表示系数的更新 | 第58-60页 |
3.2.4 频率格点的更新 | 第60-62页 |
3.2.5 信号重构算法 | 第62-64页 |
3.3 实验结果及分析 | 第64-75页 |
3.3.1 关于信号重构的仿真实验 | 第64-70页 |
3.3.2 关于参数恢复的仿真实验 | 第70-73页 |
3.3.3 对一组暗室测量数据的处理结果 | 第73-75页 |
3.4 算法推广 | 第75-84页 |
3.4.1 一般测量矩阵下的复正弦信号重构 | 第75-79页 |
3.4.2 多分量LFM信号的压缩感知 | 第79-84页 |
3.5 本章小结 | 第84-85页 |
第四章 词典失配条件下高分辨距离像的快速重构 | 第85-102页 |
4.1 引言 | 第85-86页 |
4.2 复正弦信号的快速精确重构:原理与算法 | 第86-92页 |
4.2.1 稀疏表示模型 | 第86-88页 |
4.2.2 基于变分贝叶斯推理的稀疏恢复 | 第88-90页 |
4.2.3 快速实现方式 | 第90-91页 |
4.2.4 信号重构算法 | 第91-92页 |
4.3 实验结果及分析 | 第92-101页 |
4.3.1 信号重构实例 | 第92-95页 |
4.3.2 计算代价对信号长度的适应性 | 第95-96页 |
4.3.3 蒙特卡罗实验 | 第96-99页 |
4.3.4 对暗室测量数据的处理结果 | 第99-101页 |
4.4 本章小结 | 第101-102页 |
第五章 词典失配条件下高分辨二维雷达图像的形成方法 | 第102-119页 |
5.1 引言 | 第102页 |
5.2 词典失配条件下的二维成像原理与算法 | 第102-110页 |
5.2.1 稀疏表示模型 | 第102-104页 |
5.2.2 基于变分贝叶斯推理的稀疏恢复 | 第104-106页 |
5.2.3 实现方式 | 第106-109页 |
5.2.4 图像形成算法 | 第109-110页 |
5.3 实验结果及分析 | 第110-117页 |
5.3.1 基于仿真数据的实验 | 第110-114页 |
5.3.2 基于电磁计算数据的实验 | 第114-116页 |
5.3.3 基于暗室测量数据的实验 | 第116-117页 |
5.4 本章小结 | 第117-119页 |
第六章结论与展望 | 第119-122页 |
6.1 论文工作总结 | 第119-120页 |
6.2 下一步工作展望 | 第120-122页 |
致谢 | 第122-124页 |
参考文献 | 第124-134页 |
作者在学期间取得的学术成果 | 第134-136页 |
附录A 式(3.28)―(3.36)的推导 | 第136-139页 |
附录B 式(3.44)与(3.45)的推导 | 第139-142页 |
附录C 式(5.69)与(5.72)的推导 | 第142-144页 |