| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的来源 | 第10页 |
| 1.2 课题背景及研究的目的和意义 | 第10-12页 |
| 1.3 国内外研究现状及分析 | 第12-15页 |
| 1.4 论文的主要内容和章节安排 | 第15-16页 |
| 第2章 DOA估计和压缩感知理论基础 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 波达方向估计的理论基础 | 第16-26页 |
| 2.2.1 信号模型 | 第16-20页 |
| 2.2.2 天线阵列结构模型 | 第20-21页 |
| 2.2.3 经典的空间谱估计算法 | 第21-26页 |
| 2.3 基于压缩感知的DOA估计理论基础 | 第26-33页 |
| 2.3.1 压缩感知基础理论 | 第26-27页 |
| 2.3.2 压缩感知结构与稀疏重构算法介绍 | 第27-30页 |
| 2.3.3 基于压缩感知的DOA估计数学模型 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于实值稀疏贝叶斯的离格DOA估计算法 | 第34-50页 |
| 3.1 引言 | 第34-35页 |
| 3.2 离格的实值信号数据模型 | 第35-38页 |
| 3.2.1 离格信号数据模型 | 第35-37页 |
| 3.2.2 离格实值信号数据模型 | 第37-38页 |
| 3.3 实值的稀疏贝叶斯模型 | 第38-39页 |
| 3.4 R-ECM-SVD算法 | 第39-44页 |
| 3.4.1 算法的基本原理 | 第39-43页 |
| 3.4.2 算法分析 | 第43-44页 |
| 3.5 计算机仿真试验分析 | 第44-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 基于三角函数近似的稀疏贝叶斯离格DOA估计算法 | 第50-62页 |
| 4.1 引言 | 第50页 |
| 4.2 基于三角函数近似的导向矢量模型 | 第50-52页 |
| 4.3 稀疏贝叶斯求解 | 第52-55页 |
| 4.3.1 三角函数离格稀疏贝叶斯学习方法 | 第52-54页 |
| 4.3.2 离格最大似然稀疏贝叶斯推理方法 | 第54-55页 |
| 4.4 计算机仿真试验分析 | 第55-61页 |
| 4.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |