| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 压缩感知理论的研究现状 | 第11-14页 |
| 1.2.2 基于压缩感知的DOA估计研究现状 | 第14-18页 |
| 1.3 本文研究工作和内容安排 | 第18-20页 |
| 第2章 基于压缩感知的DOA估计模型 | 第20-34页 |
| 2.1 压缩感知基本理论 | 第20-27页 |
| 2.1.1 压缩感知数学模型 | 第20-21页 |
| 2.1.2 稀疏表示 | 第21-22页 |
| 2.1.3 压缩采样 | 第22-23页 |
| 2.1.4 稀疏重构 | 第23-27页 |
| 2.2 阵列信号处理基本理论 | 第27-30页 |
| 2.2.1 假设条件 | 第27-28页 |
| 2.2.2 阵列接收信号模型 | 第28-30页 |
| 2.3 基于压缩感知的DOA估计模型 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 空间信号的稀疏表示和测量矩阵的设计 | 第34-46页 |
| 3.1 空间信号稀疏表示 | 第34-36页 |
| 3.1.1 空间网格划分和信号稀疏表示 | 第34-36页 |
| 3.1.2 稀疏欠采样信号模型 | 第36页 |
| 3.2 测量矩阵的设计 | 第36-43页 |
| 3.2.1 测量矩阵的选择 | 第37-38页 |
| 3.2.2 采样方式的选择 | 第38-39页 |
| 3.2.3 采样数目的选择 | 第39-40页 |
| 3.2.4 不同测量矩阵设计方法的仿真及分析 | 第40-43页 |
| 3.3 测量矩阵的改进 | 第43-45页 |
| 3.3.1 基于矩阵分解的测量矩阵改进 | 第43-44页 |
| 3.3.2 改进测量矩阵的仿真及性能分析 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于贝叶斯压缩感知的DOA估计 | 第46-74页 |
| 4.1 贝叶斯理论 | 第46-50页 |
| 4.1.1 贝叶斯估计方法 | 第47-49页 |
| 4.1.2 贝叶斯参数学习 | 第49-50页 |
| 4.2 贝叶斯压缩感知理论 | 第50-52页 |
| 4.3 基于贝叶斯压缩感知的DOA估计 | 第52-56页 |
| 4.3.1 基于贝叶斯压缩感知的DOA估计 | 第52-54页 |
| 4.3.2 基于快速贝叶斯压缩感知的DOA估计 | 第54-56页 |
| 4.4 变分推理 | 第56-57页 |
| 4.5 基于变分贝叶斯压缩感知的DOA估计 | 第57-64页 |
| 4.5.1 基于变分贝叶斯压缩感知的DOA估计 | 第58-61页 |
| 4.5.2 基于快速变分贝叶斯压缩感知的DOA估计 | 第61-64页 |
| 4.6 算法仿真及性能分析 | 第64-72页 |
| 4.6.1 基于贝叶斯压缩感知的DOA估计算法仿真和性能分析 | 第64-66页 |
| 4.6.2 基于快速贝叶斯压缩感知的DOA估计算法仿真和性能分析 | 第66-67页 |
| 4.6.3 基于变分贝叶斯压缩感知的DOA估计算法仿真和性能分析 | 第67-69页 |
| 4.6.4 基于快速变分贝叶斯压缩感知的DOA估计算法仿真和性能分析 | 第69-71页 |
| 4.6.5 DOA估计算法仿真运行时间统计 | 第71-72页 |
| 4.7 本章小结 | 第72-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-84页 |
| 致谢 | 第84页 |
