| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 研究历史与现状 | 第17-18页 |
| 1.3 本文的主要工作 | 第18-20页 |
| 第二章 稀疏信号重构与压缩感知理论 | 第20-44页 |
| 2.1 引言 | 第20页 |
| 2.2 压缩感知基本理论 | 第20-27页 |
| 2.2.1 压缩感知信号模型 | 第20-23页 |
| 2.2.2 信号重构条件 | 第23-27页 |
| 2.3 稀疏信号重构算法 | 第27-40页 |
| 2.3.1 贪婪算法 | 第27-35页 |
| 2.3.2 凸松弛类算法 | 第35-38页 |
| 2.3.3 基于稀疏贝叶斯学习的算法 | 第38-40页 |
| 2.4 基于稀疏信号重构进行DOA估计的可行性分析 | 第40-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第三章 基于稀疏信号重构的DOA估计方法研究 | 第44-68页 |
| 3.1 引言 | 第44页 |
| 3.2 传统的基于子空间分解的估计算法 | 第44-49页 |
| 3.2.1 MUSIC算法 | 第44-46页 |
| 3.2.2 ESPRIT算法 | 第46-48页 |
| 3.2.3 传统算法存在的问题 | 第48-49页 |
| 3.3 融合的EOLS算法 | 第49-58页 |
| 3.3.1 EOLS算法提出背景 | 第49-50页 |
| 3.3.2 EOLS算法原理 | 第50-53页 |
| 3.3.3 仿真结果及分析 | 第53-58页 |
| 3.4 改进的最大似然稀疏参数估计算法 | 第58-67页 |
| 3.4.1 信号模型 | 第58-59页 |
| 3.4.2 算法原理及求解方案 | 第59-64页 |
| 3.4.3 仿真结果及分析 | 第64-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 多机协同战场监视航路规划方法研究 | 第68-98页 |
| 4.1 引言 | 第68页 |
| 4.2 蚁群算法 | 第68-71页 |
| 4.3 多机协同战场监视航路规划方法 | 第71-87页 |
| 4.3.1 多机协同战场监视航路规划约束条件 | 第71-74页 |
| 4.3.2 多机协同战场监视单步航路规划模型及实现 | 第74-82页 |
| 4.3.3 仿真结果及分析 | 第82-87页 |
| 4.4 多机协同战场监视航路规划方法的改进 | 第87-95页 |
| 4.4.1 优化适应度函数(增加边界惩罚和速度偏转角约束) | 第87-89页 |
| 4.4.2 多机协同战场监视多步航路规划方法 | 第89页 |
| 4.4.3 仿真结果及分析 | 第89-95页 |
| 4.5 本章小结 | 第95-98页 |
| 第五章 工作总结与展望 | 第98-100页 |
| 5.1 工作总结 | 第98-99页 |
| 5.2 工作展望 | 第99-100页 |
| 参考文献 | 第100-106页 |
| 致谢 | 第106-108页 |
| 作者简介 | 第108-110页 |
