| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 本文的主要创新 | 第15-17页 |
| 2 基于稀疏分解的PPS检测研究 | 第17-29页 |
| 2.1 PPS的Cramér-Rao边界 | 第17-18页 |
| 2.2 基于稀疏分解的PPS检测研究 | 第18-22页 |
| 2.3 基于稀疏分解的PPS检测算法 | 第22-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于稀疏分解的PPS的参数估计 | 第29-51页 |
| 3.1 稀疏分解及匹配追踪算法 | 第29-31页 |
| 3.2 基于稀疏分解的二阶多项式相位信号参数估计研究 | 第31-40页 |
| 3.3 基于稀疏分解的高阶多项式相位信号参数估计研究 | 第40-46页 |
| 3.4 基于子空间的三阶多项式相位信号稀疏分解参数估计研究 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 基于字典学习和稀疏分解的PPS去噪研究 | 第51-65页 |
| 4.1 微弱信号检测及信号去噪研究现状 | 第51-54页 |
| 4.2 字典学习去噪算法研究现状 | 第54-57页 |
| 4.3 基于RLS-DLA的字典学习去噪算法研究 | 第57-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 基于PCPF-HAF参数估计的不确定性分析 | 第65-87页 |
| 5.1 现有多分量多项式相位信号参数估计存在的不足 | 第65-71页 |
| 5.2 PCPF-HAF算法 | 第71-75页 |
| 5.2.1 CPF算法 | 第71-72页 |
| 5.2.2 PCPF-HAF算法在估计mc-PPS参数中的不确定性分析 | 第72-75页 |
| 5.3 PCPF-HAF算法不确定性问题的解决 | 第75-84页 |
| 5.4 本章小结 | 第84-87页 |
| 6 基于PCPF-HAF优化的mc-PPS参数估计 | 第87-113页 |
| 6.1 利用非一致间隔信号采样方法实现FFT | 第87-89页 |
| 6.2 基于K-means聚类算法的频率估计 | 第89-93页 |
| 6.3 M点移动平均滤波/相位展开算法改进参数估计分析 | 第93-97页 |
| 6.4 利用奇异值分解改进信号的幅值参数估计 | 第97-99页 |
| 6.5 基于PCPF-HAF优化的mc-PPS参数估计算法 | 第99-105页 |
| 6.6 基于乘积CPF的多分量三阶多项式相位信号参数估计研究 | 第105-111页 |
| 6.7 本章小结 | 第111-113页 |
| 7 总结 | 第113-115页 |
| 7.1 工作结论 | 第113-114页 |
| 7.2 工作展望 | 第114-115页 |
| 致谢 | 第115-117页 |
| 参考文献 | 第117-127页 |
| 附录 | 第127页 |
| A. 作者在攻读博士学位期间发表的论文和取得的科研成果 | 第127页 |
