| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 选题背景及意义 | 第10-14页 |
| 1.2 本文的研究内容与创新点 | 第14-16页 |
| 1.3 本文的结构安排 | 第16-17页 |
| 2 压缩感知理论基础 | 第17-28页 |
| 2.1 压缩感知的理论框架 | 第17-18页 |
| 2.2 信号的稀疏表示 | 第18-20页 |
| 2.3 观测矩阵的设计 | 第20-24页 |
| 2.3.1 观测矩阵需要满足的条件 | 第20-22页 |
| 2.3.2 随机矩阵 | 第22-23页 |
| 2.3.3 Toeplitz 矩阵和循环矩阵 | 第23-24页 |
| 2.4 信号的重构 | 第24-27页 |
| 2.4.1 凸优化算法 | 第24-26页 |
| 2.4.2 贪婪算法 | 第26-27页 |
| 2.4.3 组合算法 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于压缩感知的稀疏信道估计 | 第28-52页 |
| 3.1 引言 | 第28-30页 |
| 3.2 双向中继网络中的稀疏信道估计 | 第30-41页 |
| 3.2.1 稀疏 AF-TWRC 模型 | 第30-32页 |
| 3.2.2 已有的稀疏 AF-TWRC 估计算法 | 第32-33页 |
| 3.2.3 改进的正交匹配追踪（IOMP）估计算法 | 第33-37页 |
| 3.2.4 仿真分析 | 第37-41页 |
| 3.3 MIMO 系统中的稀疏信道估计 | 第41-51页 |
| 3.3.1 MIMO 系统的稀疏信道模型 | 第41-45页 |
| 3.3.2 已有的 MIMO 系统稀疏信道估计算法 | 第45-46页 |
| 3.3.3 改进的压缩采样匹配追踪（MCoSaMP）算法 | 第46-48页 |
| 3.3.4 仿真分析 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 基于压缩感知的脉冲超宽带信号检测 | 第52-65页 |
| 4.1 引言 | 第52-53页 |
| 4.2 IR-UWB 理论基础 | 第53-56页 |
| 4.3 基于压缩感知的 IR-UWB 信号检测模型 | 第56-57页 |
| 4.4 现有的基于压缩感知的检测算法 | 第57-58页 |
| 4.5 自适应修正匹配追踪（ACMP）算法 | 第58-61页 |
| 4.6 仿真分析 | 第61-64页 |
| 4.7 本章小结 | 第64-65页 |
| 5 基于压缩感知的 OFDM 系统脉冲干扰抑制 | 第65-80页 |
| 5.1 引言 | 第65-66页 |
| 5.2 系统模型 | 第66-68页 |
| 5.3 现有的基于压缩感知的脉冲噪声抑制算法 | 第68-70页 |
| 5.4 空间交替稀疏贝叶斯学习（SASBL）算法 | 第70-72页 |
| 5.5 子问题逼近算法 | 第72-75页 |
| 5.6 仿真分析 | 第75-79页 |
| 5.7 本章小结 | 第79-80页 |
| 6 总结与展望 | 第80-82页 |
| 6.1 论文的总结 | 第80-81页 |
| 6.2 下一步工作的展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89页 |
