| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 研究内容与贡献 | 第17-18页 |
| 1.3 论文结构与安排 | 第18-20页 |
| 第二章 贝叶斯压缩感知与吉布斯采样理论 | 第20-39页 |
| 2.1 引言 | 第20页 |
| 2.2 压缩感知理论 | 第20-27页 |
| 2.2.1 信号稀疏表示 | 第22-24页 |
| 2.2.2 信号观测矩阵设计 | 第24-25页 |
| 2.2.3 信号重构算法 | 第25-27页 |
| 2.3 贝叶斯压缩感知技术 | 第27-36页 |
| 2.3.1 贝叶斯估计理论基础 | 第27-29页 |
| 2.3.2 EM贝叶斯压缩感知技术 | 第29-33页 |
| 2.3.3 V-EM贝叶斯压缩感知技术 | 第33-36页 |
| 2.4 吉布斯采样理论 | 第36-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于贝叶斯压缩感知的DOA估计 | 第39-60页 |
| 3.1 引言 | 第39页 |
| 3.2 模型描述 | 第39-45页 |
| 3.2.2 On-grid DOA估计模型 | 第41-43页 |
| 3.2.3 Off-grid DOA估计模型 | 第43-45页 |
| 3.3 DOA估计算法设计 | 第45-53页 |
| 3.3.1 On-grid DOA估计常用算法及改进 | 第45-50页 |
| 3.3.2 Off-grid DOA估计常用算法及改进 | 第50-53页 |
| 3.4 算法仿真分析及总结 | 第53-59页 |
| 3.4.1 On-grid DOA估计算法仿真及分析 | 第53-56页 |
| 3.4.2 Off-grid DOA估计算法仿真及分析 | 第56-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 基于贝叶斯压缩感知的部分源方向已知DOA估计 | 第60-71页 |
| 4.1 引言 | 第60页 |
| 4.2 模型描述 | 第60-63页 |
| 4.3 基于吉布斯采样理论的新型算法设计 | 第63-66页 |
| 4.3.1 算法原理 | 第63页 |
| 4.3.2 算法实现及推导 | 第63-66页 |
| 4.4 算法仿真结果比较及分析 | 第66-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 本文总结 | 第71-72页 |
| 5.2 后续工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 个人简历 | 第79-80页 |
| 攻读硕士学位期间的研究成果 | 第80-81页 |
| 学位论文答辩后勘误修订说明表 | 第81-82页 |
