| 中文摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 常用符号 | 第14-15页 |
| 常用缩略词 | 第15-17页 |
| 第一章 绪论 | 第17-35页 |
| 1.1 研究背景和意义 | 第17-19页 |
| 1.2 压缩感知 | 第19-25页 |
| 1.2.1 稀疏性 | 第19-20页 |
| 1.2.2 问题描述 | 第20-21页 |
| 1.2.3 不相关性 | 第21-23页 |
| 1.2.4 求解方法 | 第23-25页 |
| 1.3 联合稀疏恢复问题及求解方法 | 第25-29页 |
| 1.4 MMV在DOA估计中的应用 | 第29-31页 |
| 1.5 本文的主要工作和创新点 | 第31-35页 |
| 1.5.1 本文的主要工作 | 第31-33页 |
| 1.5.2 本文的创新点 | 第33-35页 |
| 第二章 联合稀疏恢复问题的模拟退火算法 | 第35-57页 |
| 2.1 引言 | 第35-36页 |
| 2.2 模拟退火算法简介 | 第36-37页 |
| 2.3 SAMMV: 基于模拟退火的联合稀疏恢复算法 | 第37-41页 |
| 2.4 理论分析 | 第41-45页 |
| 2.4.1 初始解的性质 | 第41-43页 |
| 2.4.2 新解更新机制的性质 | 第43-45页 |
| 2.4.3 复杂度分析 | 第45页 |
| 2.5 试验结果及分析 | 第45-55页 |
| 2.5.1 MMV情形 | 第46-49页 |
| 2.5.2 SMV情形 | 第49-53页 |
| 2.5.3 图像重建中的应用 | 第53-55页 |
| 2.6 本章小结与讨论 | 第55-57页 |
| 第三章 联合稀疏恢复问题的群智能算法 | 第57-75页 |
| 3.1 引言 | 第57页 |
| 3.2 M-SIPSO: 基于粒子群优化的群智能算法 | 第57-66页 |
| 3.2.1 算法设计 | 第58-60页 |
| 3.2.2 复杂度分析 | 第60-61页 |
| 3.2.3 数值试验 | 第61-66页 |
| 3.3 M-SIGA: 基于遗传算法的群智能算法 | 第66-73页 |
| 3.3.1 算法设计 | 第67-68页 |
| 3.3.2 复杂度分析 | 第68-70页 |
| 3.3.3 数值试验 | 第70-73页 |
| 3.4 本章小结与讨论 | 第73-75页 |
| 第四章 降维2-ι1极小化模型及其快速解法 | 第75-89页 |
| 4.1 引言 | 第75页 |
| 4.2 预备知识 | 第75-77页 |
| 4.2.1 Re MBo算法 | 第75-76页 |
| 4.2.2 ADMM算法 | 第76-77页 |
| 4.3 降维ι2-ι1极小化模型 | 第77-80页 |
| 4.3.1 降维 | 第78页 |
| 4.3.2 ι2-ι1极小化模型 | 第78-80页 |
| 4.4 基于ADMM的求解算法及其收敛性 | 第80-83页 |
| 4.4.1 基于ADMM的算法 | 第80-82页 |
| 4.4.2 算法的全局收敛性 | 第82页 |
| 4.4.3 算法的实际应用步骤 | 第82-83页 |
| 4.5 试验结果 | 第83-88页 |
| 4.5.1 参数选取 | 第83页 |
| 4.5.2 高斯信号恢复结果 | 第83-87页 |
| 4.5.3 DOA估计结果 | 第87-88页 |
| 4.6 本章小结 | 第88-89页 |
| 第五章 基于MUSIC的联合稀疏恢复算法 | 第89-105页 |
| 5.1 引言 | 第89-90页 |
| 5.2 OG-MUSIC：正交贪婪MUSIC算法 | 第90-100页 |
| 5.2.1 预备知识 | 第90-92页 |
| 5.2.2 OG-MUSIC的提出 | 第92-94页 |
| 5.2.3 理论分析 | 第94-96页 |
| 5.2.4 数值试验 | 第96-100页 |
| 5.3 HMRMMV：一种MUSIC和RA-ORMP的混合算法 | 第100-104页 |
| 5.3.1 HMRMMV算法及其复杂度分析 | 第100-101页 |
| 5.3.2 数值试验 | 第101-104页 |
| 5.4 本章小结 | 第104-105页 |
| 第六章 DOA估计MMV模型中的三种随机采样格式 | 第105-119页 |
| 6.1 引言 | 第105-106页 |
| 6.2 三种随机采样格式及其性质 | 第106-113页 |
| 6.2.1 三种随机采样格式 | 第106-107页 |
| 6.2.2 平均孔径 | 第107-111页 |
| 6.2.3 随机采样矩阵与表示矩阵的不相关性 | 第111-113页 |
| 6.3 试验结果 | 第113-118页 |
| 6.4 本章小结 | 第118-119页 |
| 第七章 总结与展望 | 第119-123页 |
| 7.1 本文工作总结 | 第119-120页 |
| 7.2 下一步工作展望 | 第120-123页 |
| 致谢 | 第123-125页 |
| 参考文献 | 第125-137页 |
| 作者在学期间取得的学术成果 | 第137-138页 |
