| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 MIMO雷达角度估计算法发展现状 | 第14-15页 |
| 1.2.2 压缩感知在MIMO雷达角度估计中的应用 | 第15-16页 |
| 1.3 本文主要工作及内容安排 | 第16-19页 |
| 第二章 压缩感知理论及MIMO雷达信号模型 | 第19-26页 |
| 2.1 引言 | 第19-20页 |
| 2.2 压缩感知理论 | 第20-23页 |
| 2.2.1 理论框架 | 第20-21页 |
| 2.2.2 精确重构的条件 | 第21-22页 |
| 2.2.3 常用稀疏重构方法 | 第22-23页 |
| 2.3 MIMO雷达的信号模型 | 第23-25页 |
| 2.3.1 双基地MIMO雷达信号模型 | 第23-24页 |
| 2.3.2 雷达目标的空域中的稀疏性分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 MIMO雷达的空间谱估计算法 | 第26-43页 |
| 3.1 引言 | 第26页 |
| 3.2 MIMO雷达角度估计经典算法 | 第26-34页 |
| 3.2.1 CAPON算法 | 第26-27页 |
| 3.2.2 MUSIC算法 | 第27-28页 |
| 3.2.3 ESPRIT算法 | 第28-30页 |
| 3.2.4 仿真实验与分析 | 第30-34页 |
| 3.3 基于高阶累积量的MIMO雷达角度估计算法 | 第34-42页 |
| 3.3.1 高阶累积量的基本性质 | 第34-35页 |
| 3.3.2 基于四阶累积量的MUSIC-like算法 | 第35-37页 |
| 3.3.3 基于改进的四阶累积量的MUSIC-like算法 | 第37-38页 |
| 3.3.4 仿真实验与分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于稀疏重构的MIMO雷达角度估计 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 MIMO雷达的空域压缩感知 | 第43-48页 |
| 4.2.1 SMV模型 | 第43-44页 |
| 4.2.2 MMV模型 | 第44-46页 |
| 4.2.3 仿真实验与分析 | 第46-48页 |
| 4.3 基于稀疏重构的DOD与DOA联合估计方法 | 第48-53页 |
| 4.3.1 协方差矩阵的特征分解 | 第48-49页 |
| 4.3.2 特征向量的选取与矩阵降维 | 第49页 |
| 4.3.3 稀疏求解 | 第49-50页 |
| 4.3.4 仿真实验与分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于高阶累积量与稀疏表示的MIMO雷达角度估计 | 第54-64页 |
| 5.1 引言 | 第54页 |
| 5.2 信号模型 | 第54-55页 |
| 5.3 基于高阶累积量与稀疏表示的双基地MIMO雷达角度估计 | 第55-62页 |
| 5.3.1 过完备字典的构造 | 第55-56页 |
| 5.3.2 稀疏求解 | 第56-57页 |
| 5.3.3 基于分级稀疏表示的角度估计方法 | 第57-58页 |
| 5.3.4 仿真实验与分析 | 第58-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第六章 结束语 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
