| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 阵列信号DOA估计 | 第11-12页 |
| 1.2.2 基于压缩感知的DOA估计 | 第12-14页 |
| 1.2.3 脉冲噪声环境下的DOA估计 | 第14-15页 |
| 1.3 本文主要研究内容和结构安排 | 第15-18页 |
| 第2章 阵列信号DOA估计 | 第18-28页 |
| 2.1 阵列信号DOA估计原理 | 第18-19页 |
| 2.2 阵列信号DOA估计的数学模型 | 第19-22页 |
| 2.3 经典DOA估计算法 | 第22-26页 |
| 2.3.1 MUSIC算法 | 第23-24页 |
| 2.3.2 ESPRIT算法 | 第24-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 基于压缩感知的DOA估计 | 第28-44页 |
| 3.1 压缩感知理论概述 | 第28-37页 |
| 3.1.1 压缩感知理论的理论框架 | 第28-30页 |
| 3.1.2 信号的稀疏表示 | 第30-31页 |
| 3.1.3 约束等距性质(RIP) | 第31-32页 |
| 3.1.4 稀疏重构算法 | 第32-37页 |
| 3.2 基于压缩感知的DOA估计 | 第37-42页 |
| 3.2.1 基于等角度划分的压缩感知DOA估计数学模型 | 第37-40页 |
| 3.2.2 基于二阶统计量的压缩感知DOA估计 | 第40-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第4章 基于分数低阶统计量的压缩感知DOA估计 | 第44-68页 |
| 4.1 α稳定分布 | 第44-46页 |
| 4.1.1 α稳定分布的定义 | 第44-46页 |
| 4.1.2 α稳定分布的性质 | 第46页 |
| 4.2 分数低阶统计量 | 第46-52页 |
| 4.2.1 分数低阶统计量的定义 | 第47页 |
| 4.2.2 分数低阶相关矩阵 | 第47-52页 |
| 4.3 基于分数低阶统计量块稀疏性的DOA估计算法 | 第52-61页 |
| 4.3.1 基于分数低阶相关矩阵列向量稀疏性的DOA估计 | 第52-54页 |
| 4.3.2 联合分数低阶相关矩阵多个列向量的DOA估计 | 第54页 |
| 4.3.3 仿真 | 第54-61页 |
| 4.4 基于分数低阶统计量特征值分解的DOA估计算法 | 第61-67页 |
| 4.4.1 分数低阶相关矩阵特征向量的稀疏性 | 第61-63页 |
| 4.4.2 FLOM-EIG算法 | 第63页 |
| 4.4.3 仿真 | 第63-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 基于分数低阶统计量和字典细化的压缩感知DOA估计 | 第68-76页 |
| 5.1 自适应的字典细化 | 第68-70页 |
| 5.2 基于字典细化的FLOM-EIG算法 | 第70页 |
| 5.3 仿真 | 第70-74页 |
| 5.4 本章小结 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84页 |
