| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 基于压缩感知理论的信号探测国内外研究现状分析 | 第10-14页 |
| 1.2.1 基于压缩感知信号检测研究现状 | 第10-12页 |
| 1.2.2 基于压缩感知信号方位估计研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第二章 压缩感知理论模型 | 第16-25页 |
| 2.1 引言 | 第16-17页 |
| 2.2 信号的稀疏表示 | 第17页 |
| 2.3 观测矩阵的设计 | 第17-19页 |
| 2.4 稀疏信号重构 | 第19-22页 |
| 2.5 压缩感知模型仿真分析 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于无穷范数重构的水下低信噪比目标检测方法 | 第25-31页 |
| 3.1 压缩感知检测算法模型 | 第25-26页 |
| 3.2 基于 2-范数重构的压缩感知检测算法 | 第26-27页 |
| 3.3 基于无穷范数重构的压缩感知检测算法 | 第27-28页 |
| 3.4 基于无穷范数重构的水下低信噪比目标检测方法及应用试验 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于贝叶斯重构的离格阵列DOA估计方法 | 第31-51页 |
| 4.1 压缩感知阵列DOA估计模型 | 第31-33页 |
| 4.1.1 基于压缩感知阵列信号DOA估计模型 | 第31-32页 |
| 4.1.2 离格导向矢量模型 | 第32-33页 |
| 4.2 基于凸优化重构算法的压缩感知DOA估计 | 第33-37页 |
| 4.2.1 L1-SVD算法 | 第35-36页 |
| 4.2.2 FOCUSS算法 | 第36-37页 |
| 4.3 基于贝叶斯压缩感知的快速拉普拉斯DOA估计算法 | 第37-43页 |
| 4.3.1 贝叶斯稀疏恢复算法 | 第37-40页 |
| 4.3.2 基于贝叶斯压缩感知的快速拉普拉斯DOA估计 | 第40-43页 |
| 4.4 基于精确重构算法的压缩感知DOA估计算法仿真 | 第43-48页 |
| 4.4.1 基于凸优化重构算法的压缩感知DOA估计仿真 | 第43-45页 |
| 4.4.2 基于贝叶斯压缩感知的快速拉普拉斯DOA估计方法仿真 | 第45-48页 |
| 4.5 基于贝叶斯重构的离格阵列DOA估计方法及应用仿真 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51-52页 |
| 5.2 研究工作展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |
