基于压缩感知的DOA估计算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景和研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 稀疏恢复和压缩感知理论研究现状 | 第11-13页 |
| 1.2.2 基于压缩感知的DOA估计方法研究现状 | 第13-14页 |
| 1.3 论文主要结构 | 第14-16页 |
| 第2章 基于压缩感知的DOA估计基本原理 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 传统窄带信号DOA估计模型 | 第16-20页 |
| 2.2.1 阵列接收的传统数学模型 | 第17-19页 |
| 2.2.2 经典MUSIC算法 | 第19-20页 |
| 2.3 CS-DOA估计模型 | 第20-30页 |
| 2.3.1 压缩感知理论 | 第21-23页 |
| 2.3.2 阵列接收数据的稀疏表示模型 | 第23-27页 |
| 2.3.3 多快拍模型下接收数据的降维处理方法 | 第27-28页 |
| 2.3.4 L形阵列二维DOA估计的降维方法 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于非极化敏感阵列的CS-DOA估计算法 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 正交匹配追踪算法 | 第32-35页 |
| 3.2.1 单快拍OMP算法 | 第32-34页 |
| 3.2.2 多快拍S-OMP算法 | 第34-35页 |
| 3.3 子空间追踪算法 | 第35-38页 |
| 3.3.1 单快拍SP算法 | 第35-36页 |
| 3.3.2 多快拍GSP算法 | 第36-38页 |
| 3.4 基于l_1范数和l_p范数的估计算法 | 第38-41页 |
| 3.4.1 凸松弛算法 | 第38-40页 |
| 3.4.2 RM-FOCUSS算法 | 第40-41页 |
| 3.5 算法的性能分析与对比 | 第41-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于极化敏感阵列的CS-DOA估计算法 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 极化敏感阵列的CS-DOA估计模型 | 第48-51页 |
| 4.3 极化敏感阵列的CS-DOA估计算法 | 第51-55页 |
| 4.3.1 BOMP算法 | 第51-52页 |
| 4.3.2 P-BGSP算法 | 第52-55页 |
| 4.4 算法的性能对比 | 第55-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70页 |
