| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与研究意义 | 第15-16页 |
| 1.2 压缩感知稀疏重构算法的研究现状 | 第16-17页 |
| 1.3 压缩感知的应用 | 第17-18页 |
| 1.4 论文工作与结构安排 | 第18-21页 |
| 第二章 压缩感知与欠定盲分离的联系及区别 | 第21-35页 |
| 2.1 压缩感知理论 | 第21-29页 |
| 2.1.1 信号的稀疏变换 | 第21-25页 |
| 2.1.2 感知矩阵的构造 | 第25-26页 |
| 2.1.3 稀疏重构算法的设计 | 第26-29页 |
| 2.1.4 传统感知与压缩感知的区别 | 第29页 |
| 2.2 欠定盲分离理论 | 第29-31页 |
| 2.2.1 混合矩阵估计 | 第30页 |
| 2.2.2 源信号恢复 | 第30-31页 |
| 2.3 压缩感知与欠定盲分离的相同点 | 第31页 |
| 2.4 压缩感知与欠定盲分离的不同点 | 第31-32页 |
| 2.5 本论文用到的技术评价指标 | 第32-33页 |
| 2.5.1 相关系数 | 第32-33页 |
| 2.5.2 信干比 | 第33页 |
| 2.5.3 重构误差 | 第33页 |
| 2.5.4 重构概率 | 第33页 |
| 2.6 本章小结 | 第33-35页 |
| 第三章 压缩感知稀疏重构算法研究 | 第35-45页 |
| 3.1 正交匹配追踪算法原理及实现步骤 | 第35-36页 |
| 3.2 基追踪算法原理及实现步骤 | 第36-37页 |
| 3.3 最小绝对收缩与选择算子算法原理及实现步骤 | 第37-38页 |
| 3.4 基于部分支撑集的L1范数稀疏重构算法 | 第38-44页 |
| 3.4.1 算法原理 | 第38-40页 |
| 3.4.2 算法实现步骤 | 第40-41页 |
| 3.4.3 实验仿真与结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 欠定盲分离稀疏源信号恢复算法研究 | 第45-71页 |
| 4.1 基于改进最短路径法的稀疏源信号恢复 | 第45-46页 |
| 4.2 基于统计稀疏分解法的稀疏源信号恢复 | 第46-47页 |
| 4.3 基于改进统计稀疏分解法的稀疏源信号恢复 | 第47-51页 |
| 4.3.1 算法原理 | 第48-49页 |
| 4.3.2 算法实现步骤 | 第49页 |
| 4.3.3 实验仿真与结果分析 | 第49-51页 |
| 4.4 基于压缩重构的欠定盲分离源信号恢复算法 | 第51-61页 |
| 4.4.1 互补匹配追踪算法 | 第51-53页 |
| 4.4.2 基于L1范数的互补匹配追踪算法 | 第53-55页 |
| 4.4.3 子空间互补匹配追踪算法 | 第55-56页 |
| 4.4.4 实验仿真与结果分析 | 第56-61页 |
| 4.5 欠定盲分离源信号恢复算法在雷达信号处理中的应用 | 第61-70页 |
| 4.5.1 雷达信号时域充分稀疏时的源信号恢复 | 第61-62页 |
| 4.5.2 雷达信号时域非充分稀疏时的源信号恢复 | 第62-68页 |
| 4.5.3 雷达信号小波域充分稀疏时的源信号恢复 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |