| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 国内外研究的发展及其现状 | 第16-19页 |
| 1.2.1 DOA估计算法研究的发展及其现状 | 第16-18页 |
| 1.2.2 压缩感知原理的发展和现状 | 第18页 |
| 1.2.3 基于压缩感知的DOA估计研究现状 | 第18-19页 |
| 1.3 本主的主要内容及章节安排 | 第19-21页 |
| 第二章 空间谱估计的基础理论 | 第21-33页 |
| 2.1 阵列信号处理的基础理论及统计特性 | 第21-25页 |
| 2.1.1 数学模型 | 第21-23页 |
| 2.1.2 空间谱估计技术的基本原理 | 第23页 |
| 2.1.3 数理统计特性 | 第23-25页 |
| 2.2 经典的空间谱估计算法 | 第25-31页 |
| 2.2.1 非相关信号DOA估计算法 | 第25-28页 |
| 2.2.2 相关信号估计算法 | 第28-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于稀疏重构的DOA估计算法 | 第33-49页 |
| 3.1 压缩感知的基本原理结构 | 第33-40页 |
| 3.1.1 信号的稀疏表示 | 第33-34页 |
| 3.1.2 构造测量矩阵 | 第34-36页 |
| 3.1.3 信号重构算法 | 第36-38页 |
| 3.1.4 稀疏重构的依据 | 第38-40页 |
| 3.2 基于稀疏重构的DOA估计算法的数学模型 | 第40-45页 |
| 3.2.1 算法的数学模型 | 第40-41页 |
| 3.2.2 冗余字典性能分析 | 第41-45页 |
| 3.3 经典的稀疏表示DOA估计算法 | 第45-47页 |
| 3.4 小结 | 第47-49页 |
| 第四章 基于协方差矩阵稀疏重构的DOA估计算法 | 第49-67页 |
| 4.1 L1_SRACV算法及其改进 | 第49-53页 |
| 4.1.1 L1_SRACV算法数学模型 | 第49-50页 |
| 4.1.2 算法优化模型的求解 | 第50-52页 |
| 4.1.3 算法改进 | 第52-53页 |
| 4.2 协方差矩阵的稀疏重构形式 | 第53-57页 |
| 4.2.1 CMSR1算法 | 第53-56页 |
| 4.2.2 CMSR2算法 | 第56-57页 |
| 4.3 基于空间平滑的协方差矩阵稀疏重构的DOA估计算法 | 第57-60页 |
| 4.4 算法性能分析 | 第60-65页 |
| 4.5 小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 全文内容总结 | 第67页 |
| 5.2 对未来工作的展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
| 1.基本情况 | 第77页 |
| 2.教育背景 | 第77页 |
| 3.在学期间的研究成果 | 第77-78页 |