压缩感知理论在信号源个数估计中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 本文研究背景和意义 | 第8页 |
| 1.2 信号源个数估计发展现状 | 第8-10页 |
| 1.3 压缩感知理论发展现状 | 第10页 |
| 1.4 本文主要研究工作和内容安排 | 第10-12页 |
| 第二章 信号源个数估计基本理论 | 第12-26页 |
| 2.1 引言 | 第12页 |
| 2.2 信号源个数估计的空间数学模型 | 第12-16页 |
| 2.3 经典信号源个数估计方法研究 | 第16-22页 |
| 2.3.1 基于信息论准则的信号源个数估计方法 | 第16-19页 |
| 2.3.2 基于盖氏圆准则的信号源个数估计方法 | 第19-22页 |
| 2.4 实验仿真 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 压缩感知基本理论 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 压缩感知的理论框架 | 第26-27页 |
| 3.3 信号稀疏表示 | 第27-30页 |
| 3.3.1 时空域下的稀疏信号 | 第27-28页 |
| 3.3.2 变换域下的稀疏信号 | 第28-30页 |
| 3.4 观测矩阵设计 | 第30-34页 |
| 3.4.1 约束等距性 | 第30-32页 |
| 3.4.2 不一致性 | 第32-33页 |
| 3.4.3 观测矩阵设计 | 第33-34页 |
| 3.5 信号稀疏重构 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 压缩感知重构算法研究 | 第38-59页 |
| 4.1 引言 | 第38-39页 |
| 4.2 匹配追踪算法 | 第39-49页 |
| 4.2.1 OMP 算法 | 第40页 |
| 4.2.2 ROMP 算法 | 第40-42页 |
| 4.2.3 SAMP 算法 | 第42-43页 |
| 4.2.4 仿真实验 | 第43-49页 |
| 4.3 凸优化算法 | 第49-57页 |
| 4.3.1 梯度下降法 | 第50页 |
| 4.3.2 梯度投影法 | 第50-54页 |
| 4.3.3 仿真实验 | 第54-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 基于压缩感知的信号源个数估计方法研究 | 第59-70页 |
| 5.1 引言 | 第59页 |
| 5.2 基于压缩感知的信号源个数估计模型 | 第59-61页 |
| 5.3 仿真实验一 | 第61-64页 |
| 5.3.1 模型 1 仿真实验 | 第61-62页 |
| 5.3.2 模型 2 仿真实验 | 第62-64页 |
| 5.4 模型 3 | 第64-65页 |
| 5.5 仿真实验二 | 第65-68页 |
| 5.6 本章小结 | 第68-70页 |
| 总结和展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
