| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第2章 X射线脉冲星时延估计 | 第19-31页 |
| 2.1 X射线脉冲星的基本特性与相位时间模型 | 第19-21页 |
| 2.1.1 脉冲星及其基本特性 | 第19-20页 |
| 2.1.2 脉冲星相位时间模型 | 第20-21页 |
| 2.2 X射线脉冲星导航定位技术 | 第21-24页 |
| 2.2.1 X射线脉冲星导航系统及数据处理 | 第21-22页 |
| 2.2.2 X射线脉冲星导航数学模型 | 第22-24页 |
| 2.3 X射线脉冲星时延估计理论 | 第24-26页 |
| 2.3.1 X射线脉冲星时延估计基本原理 | 第24-25页 |
| 2.3.2 X射线脉冲星信号轮廓模型 | 第25-26页 |
| 2.4 X射线脉冲星时延估计方法 | 第26-30页 |
| 2.4.1 传统X射线脉冲星时延估计方法 | 第26-28页 |
| 2.4.2 基于稀疏表示的时延估计方法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于两级压缩感知的脉冲星时延估计方法 | 第31-43页 |
| 3.1 压缩感知 | 第31-34页 |
| 3.1.1 压缩感知思想 | 第31-32页 |
| 3.1.2 压缩感知基本框架 | 第32-34页 |
| 3.2 两级压缩感知的时延估计算法 | 第34-37页 |
| 3.2.1 两级字典的脉冲轮廓稀疏表示 | 第34-35页 |
| 3.2.2 测量矩阵选取 | 第35-36页 |
| 3.2.3 脉冲轮廓重构与时延估计算法 | 第36-37页 |
| 3.2.4 计算复杂度分析 | 第37页 |
| 3.3 仿真实验及结果分析 | 第37-42页 |
| 3.3.1 基于EPN数据的仿真实验 | 第38-41页 |
| 3.3.2 RXTE实测数据实验结果 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于自适应GA压缩感知的脉冲星TDE | 第43-56页 |
| 4.1 压缩感知测量矩阵 | 第43-45页 |
| 4.2 智能优化算法 | 第45-46页 |
| 4.3 自适应遗传的压缩感知时延估计算法 | 第46-50页 |
| 4.3.1 脉冲轮廓稀疏表示 | 第47页 |
| 4.3.2 基于自适应遗传算法的最优部分哈达玛测量矩阵选择 | 第47-49页 |
| 4.3.3 恢复算法 | 第49-50页 |
| 4.4 仿真实验及结果分析 | 第50-55页 |
| 4.4.1 低频特性选择 | 第50-52页 |
| 4.4.2 适应度值计算 | 第52-53页 |
| 4.4.3 基于不同方法的测量矩阵估计精度比较 | 第53-54页 |
| 4.4.4 脉冲星不同信号长度估计精度 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 附录A 攻读学位期间所发表的学术论文 | 第63-64页 |
| 附录B 攻读学位期间参与的研究项目 | 第64-65页 |
| 致谢 | 第65页 |