摘要 | 第4-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第15-24页 |
1.1 课题研究背景及意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-21页 |
1.2.1 稀疏信号重构算法研究进展 | 第16-19页 |
1.2.2 基于稀疏信号重构算法雷达成像研究进展 | 第19-21页 |
1.3 本文主要研究工作 | 第21-24页 |
第二章 稀疏信号重构算法 | 第24-41页 |
2.1 引言 | 第24页 |
2.2 压缩感知理论 | 第24-27页 |
2.2.1 范数基础 | 第24-26页 |
2.2.2 压缩感知模型 | 第26页 |
2.2.3 测量矩阵设计 | 第26-27页 |
2.3 稀疏信号重构算法 | 第27-30页 |
2.3.1 正交匹配追踪算法 | 第27页 |
2.3.2 基追踪算法 | 第27-28页 |
2.3.3 平滑L0范数稀疏重构算法 | 第28-29页 |
2.3.4 贝叶斯稀疏重构算法 | 第29-30页 |
2.4 负指数函数平滑L0范数稀疏信号重构算法 | 第30-37页 |
2.4.1 算法介绍 | 第30-34页 |
2.4.2 仿真结果及分析 | 第34-37页 |
2.5 改进平滑L0范数块稀疏信号重构算法 | 第37-40页 |
2.5.1 块稀疏信号介绍 | 第37页 |
2.5.2 改进平滑L0范数块稀疏信号重构算法 | 第37-38页 |
2.5.3 仿真结果及分析 | 第38-40页 |
2.6 本章小结 | 第40-41页 |
第三章 基于稀疏信号重构的高分辨率ISAR成像算法 | 第41-57页 |
3.1 引言 | 第41页 |
3.2 基于迭代参数优化贝叶斯ISAR成像算法 | 第41-50页 |
3.2.1 ISAR稀疏成像模型 | 第42-43页 |
3.2.2 迭代参数优化贝叶斯稀疏重构算法 | 第43-44页 |
3.2.3 仿真结果及分析 | 第44-50页 |
3.3 改进平滑L0范数ISAR成像算法 | 第50-56页 |
3.3.1 基于改进平滑L0范数重构ISAR成像算法 | 第50-51页 |
3.3.2 仿真结果及分析 | 第51-56页 |
3.4 本章小结 | 第56-57页 |
第四章 基于多维稀疏信号重构的ISAR成像算法 | 第57-66页 |
4.1 引言 | 第57页 |
4.2 基于二维稀疏信号重构ISAR成像 | 第57-61页 |
4.2.1 二维ISAR成像联合稀疏模型 | 第57-58页 |
4.2.2 二维稀疏信号重构ISAR成像算法 | 第58-59页 |
4.2.3 仿真结果及分析 | 第59-61页 |
4.3 基于三维稀疏信号重构算法的ISAR成像 | 第61-65页 |
4.3.1 ISAR三维稀疏成像模型 | 第61-62页 |
4.3.2 三维稀疏信号重构ISAR成像算法 | 第62-64页 |
4.3.3 仿真结果及分析 | 第64-65页 |
4.4 本章小结 | 第65-66页 |
第五章 基于块稀疏信号重构的ISAR成像算法 | 第66-81页 |
5.1 引言 | 第66页 |
5.2 基于迭代加权Lp范数的块稀疏重构ISAR成像算法 | 第66-74页 |
5.2.1 迭代加权Lp范数块稀疏信号重构算法 | 第67-69页 |
5.2.2 仿真结果及分析 | 第69-74页 |
5.3 MMV模型块稀疏信号重构ISAR成像 | 第74-80页 |
5.3.1 基于MMV模型ISAR成像 | 第74-75页 |
5.3.2 多测量向量块稀疏平滑L0范数稀疏重构成像算法 | 第75-77页 |
5.3.3 仿真结果及分析 | 第77-80页 |
5.4 本章小结 | 第80-81页 |
第六章 基于稀疏信号重构MIMO雷达成像算法 | 第81-91页 |
6.1 引言 | 第81页 |
6.2 MIMO雷达信号模型 | 第81-83页 |
6.3 基于修正牛顿下降法的平滑L0范数MIMO雷达成像算法 | 第83-90页 |
6.3.1 修正牛顿下降MIMO雷达成像算法 | 第83-85页 |
6.3.2 对角加载算法 | 第85-86页 |
6.3.3 奇异值分解算法 | 第86-87页 |
6.3.4 仿真结果及分析 | 第87-90页 |
6.4 本章小结 | 第90-91页 |
全文总结与展望 | 第91-93页 |
参考文献 | 第93-102页 |
致谢 | 第102-103页 |
在学期间的研究成果及发表的学术论文 | 第103页 |