| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-15页 |
| 1.2.1 阵列信号 DOA 估计算法研究现状 | 第12-13页 |
| 1.2.2 压缩感知理论研究现状 | 第13-14页 |
| 1.2.3 基于压缩感知理论的阵列信号 DOA 估计研究现状 | 第14-15页 |
| 1.3 论文的主要工作及章节安排 | 第15-17页 |
| 第2章 压缩感知及阵列信号处理基础理论 | 第17-33页 |
| 2.1 压缩感知的基本原理 | 第17-21页 |
| 2.1.1 压缩感知基础理论 | 第18-19页 |
| 2.1.2 信号的稀疏表示 | 第19-20页 |
| 2.1.3 测量矩阵 | 第20-21页 |
| 2.2 稀疏重构条件 | 第21-23页 |
| 2.2.1 RIP 准则 | 第21-22页 |
| 2.2.2 不一致性 MIP 准则 | 第22-23页 |
| 2.3 重构算法 | 第23-27页 |
| 2.3.1 FOCUSS 算法 | 第24-25页 |
| 2.3.2 凸优化算法 | 第25页 |
| 2.3.3 贪婪算法 | 第25-27页 |
| 2.4 空间谱估计基本原理 | 第27-30页 |
| 2.4.1 假设条件 | 第27页 |
| 2.4.2 远场和近场信源 | 第27-28页 |
| 2.4.3 远场窄带信号阵列模型 | 第28-30页 |
| 2.5 压缩感知理论的阵列 DOA 估计模型 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 阵列流型矩阵划分与基于重构算法的 DOA 估计研究 | 第33-55页 |
| 3.1 不同稀疏划分方式及其性质研究 | 第33-38页 |
| 3.2 DOA 估计性能指标 | 第38页 |
| 3.3 基于单次测量的 DOA 估计研究 | 第38-42页 |
| 3.4 基于 SOMP 算法的 DOA 估计研究 | 第42-47页 |
| 3.4.1 SOMP 算法 | 第42-43页 |
| 3.4.2 基于 SOMP 算法的 DOA 估计 | 第43-47页 |
| 3.5 基于高阶累积量 SOMP 算法的 DOA 估计研究 | 第47-53页 |
| 3.5.1 四阶累积量原理 | 第48-49页 |
| 3.5.2 基于高阶累计量 SOMP 算法 | 第49-51页 |
| 3.5.3 仿真实验 | 第51-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第4章 基于子空间理论的联合稀疏 DOA 估计研究 | 第55-65页 |
| 4.1 子空间理论及 MUSIC 算法原理 | 第55-57页 |
| 4.1.1 子空间理论 | 第55-56页 |
| 4.1.2 MUSIC 算法原理 | 第56-57页 |
| 4.2 基于改进 SOMP 算法 DOA 估计方法研究 | 第57-58页 |
| 4.3 仿真验证 | 第58-60页 |
| 4.4 基于 SA-MUSIC 算法的 DOA 估计研究 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 全文总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 未来工作方向 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 作者简介及在学期间的科研成果 | 第73-75页 |
| 致谢 | 第75页 |
