| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 论文的工作内容及安排 | 第10-12页 |
| 第二章 基于压缩感知的DOA估计算法 | 第12-29页 |
| 2.1 压缩感知基本理论 | 第12-14页 |
| 2.1.1 信号的稀疏表示 | 第12-13页 |
| 2.1.2 信号的压缩采样 | 第13页 |
| 2.1.3 信号的稀疏重构条件 | 第13-14页 |
| 2.1.4 压缩感知与DOA估计之间的联系 | 第14页 |
| 2.2 CS-DOA估计算法的稀疏表示模型 | 第14-16页 |
| 2.3 几种经典的稀疏信号重构算法 | 第16-26页 |
| 2.3.1 l_1-SVD算法 | 第16-20页 |
| 2.3.2 FOCUSS算法 | 第20-22页 |
| 2.3.3 IAA算法 | 第22-26页 |
| 2.4 基于贝叶斯压缩感知的DOA估计算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于网格失配的压缩感知DOA估计算法 | 第29-51页 |
| 3.1 网格精炼方法 | 第29-34页 |
| 3.1.1 精炼方法 | 第29-30页 |
| 3.1.2 仿真实验 | 第30-34页 |
| 3.2 离网波达方向稀疏重构算法 | 第34-40页 |
| 3.2.1 在网模型与离网模型 | 第34-35页 |
| 3.2.2 稀疏贝叶斯表达 | 第35-37页 |
| 3.2.3 基于离网模型的贝叶斯稀疏重构算法(OGSBI) | 第37-38页 |
| 3.2.4 仿真实验 | 第38-40页 |
| 3.3 OGSBI-SVD算法与几种经典CS-DOA算法的比较 | 第40-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于无网格压缩感知的DOA估计算法 | 第51-62页 |
| 4.1 无网格问题 | 第51-52页 |
| 4.1.1 信号模型 | 第51-52页 |
| 4.1.2 均匀线性阵列和稀疏线性阵列 | 第52页 |
| 4.2 均匀线阵的SPA算法 | 第52-56页 |
| 4.3 稀疏线阵的SPA算法 | 第56-57页 |
| 4.4 SPA算法的仿真实验 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-71页 |
| 在校期间的研究成果 | 第71页 |