| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 压缩感知方面 | 第10-12页 |
| 1.1.2 大规模MIMO信道估计方面 | 第12页 |
| 1.2 研究历史及现状 | 第12-13页 |
| 1.2.1 压缩感知方面 | 第12-13页 |
| 1.2.2 压缩感知在大规模MIMO信道估计方面 | 第13页 |
| 1.3 研究内容及结构 | 第13-16页 |
| 1.3.1 论文内容及创新点 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-16页 |
| 第二章 压缩感知相关理论 | 第16-26页 |
| 2.1 压缩感知数学模型 | 第16-17页 |
| 2.1.1 本身稀疏信号的压缩感知数学模型 | 第16-17页 |
| 2.1.2 具有普遍性应用的压缩感知数学模型 | 第17页 |
| 2.2 稀疏性表示 | 第17-19页 |
| 2.2.1 傅里叶稀疏表示 | 第18页 |
| 2.2.2 小波稀疏表示 | 第18-19页 |
| 2.2.3 冗余字典稀疏表示 | 第19页 |
| 2.3 测量矩阵 | 第19-25页 |
| 2.3.1 约束等距性质 | 第20-21页 |
| 2.3.2 测量边界 | 第21页 |
| 2.3.3 常用测量矩阵与信号稀疏度之间的关系 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 压缩感知重构算法及其改进 | 第26-42页 |
| 3.1 基于凸优化类算法 | 第27-29页 |
| 3.1.1 基追踪算法 | 第27-28页 |
| 3.1.2 迭代软阈值算法 | 第28-29页 |
| 3.2 贪婪算法 | 第29-40页 |
| 3.2.1 MP算法 | 第29页 |
| 3.2.2 OMP算法 | 第29-32页 |
| 3.2.3 ROMP算法 | 第32-35页 |
| 3.2.4 CoSaMP算法 | 第35-37页 |
| 3.2.5 SP算法 | 第37-40页 |
| 3.3 组合算法 | 第40-41页 |
| 3.4 统计优化算法 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于信号相关性的二维压缩感知模型及算法 | 第42-49页 |
| 4.1 二维压缩感知模型 | 第42-43页 |
| 4.2 信号稀疏模型 | 第43-45页 |
| 4.2.1 一般稀疏模型 | 第43-44页 |
| 4.2.2 信号稀疏度 | 第44-45页 |
| 4.2.3 信号相关度 | 第45页 |
| 4.3 算法设计 | 第45-48页 |
| 4.3.1 M-2DSP算法 | 第45-47页 |
| 4.3.2 M-2DSP算法性能分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 二维压缩感知应用于大规模MIMO系统信道估计 | 第49-59页 |
| 5.1 大规模MIMO系统模型 | 第49-50页 |
| 5.1.1 大规模MIMO系统的优势 | 第49-50页 |
| 5.1.2 大规模MIMO系统模型表达式 | 第50页 |
| 5.2 大规模MIMO的信道模型 | 第50-52页 |
| 5.2.1 大规模MIMO系统的信道渐进特性 | 第50-51页 |
| 5.2.2 大规模MIMO系统的信道矩阵分解 | 第51-52页 |
| 5.3 大规模MIMO系统的信道估计 | 第52-55页 |
| 5.3.1 传统信道估计 | 第52-54页 |
| 5.3.2 基于二维压缩感知模型下的信道估计 | 第54-55页 |
| 5.4 仿真实现及性能分析 | 第55-58页 |
| 5.4.1 信道估计性能与导频数量的关系 | 第56-57页 |
| 5.4.2 信道估计性能与信噪比的关系 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59-60页 |
| 6.2 未来研究展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |