刘福来，2005年获东北大学计算机软件与理论专业工学博士学位。2005—2007年东北大学博士后流动站，石家庄通信测控技术研究所博士后工作站，博士后。2007年到东北大学秦皇岛分校工作，2009—2011年东南大学博士流动站，博士后，2010年晋升为教授，2012年被东北大学遴选为博士研究生导师。教育部新世纪人才，河北省“三三三人才工程”第二层次人才，河北省优秀教师，河北省教学名师。

在东北大学秦皇岛分校，先后讲授“数字信号处理”“MATLAB与通信系统分析”和“高等工程数学”等多门本科生和研究生课程。出版著作《MATLAB与无线电信号处理分析》《阵列信号参数估计算法与优化》。

主要从事认知无线电及频谱大数据处理、电磁环境认知与控制利用、GNSS抗干扰技术、毫米波通信系统关键技术、压缩感知和深度学习及其应用等方向的科研和人才培养工作。主持国家自然科学基金、河北省自然科学基金等纵向科研项目10余项，已在IEEE Transactions on Antennas and Propagation、IEEE Transactions on Communications、Signal Processing、IEEE Transactions on Mobile Computing等国内外重点期刊与国际学术会议上发表学术论文50余篇，其中已被SCI、EI检索收录40余篇，申报或获批发明专利10余项。

目录

第1章绪论

1.1压缩感知的发展及应用

1.1.1压缩感知的发展

历程

1.1.2压缩感知的应用

领域

1.2压缩感知关键理论及研究

现状

1.2.1压缩感知的关键

理论

1.2.2压缩感知的研究

现状

1.3结构化压缩感知关键理论及

研究现状

1.3.1结构化压缩感知关键

理论

1.3.2结构化压缩感知研究

现状

1.4结构化压缩感知面临的

挑战

1.5本书结构及内容安排

1.6本章小结

参考文献

第2章结构化压缩感知理论基础

2.1引言

2.2压缩感知基本原理

2.2.1稀疏表示

2.2.2观测矩阵

2.2.3重构算法

2.2.4张量压缩感知

2.3结构化压缩感知基本框架

2.4典型结构化稀疏信号模型

2.4.1结构化稀疏信号

模型

2.4.2结构化RIP条件

2.5结构化稀疏表示

2.5.1基于BMOD的块字

典学习

2.5.2基于BKSVD的块字

典学习

2.6结构化观测矩阵

2.6.1基于RIP理论的观测

矩阵

2.6.2基于相干性理论的

观测矩阵

2.7结构化重构

2.7.1基于MMV模型的

稀疏重构

2.7.2基于US模型的稀疏

重构

2.8本章小结

参考文献

第3章典型的稀疏结构及压缩感知

算法

3.1引言

3.2块稀疏压缩感知

3.2.1块稀疏信号模型

3.2.2块混合范数优化

算法

3.2.3块正交匹配追踪

算法

3.2.4块匹配追踪算法

3.2.5块稀疏子空间学习

算法

3.2.6块稀疏非参数贝叶斯

估计

3.3联合稀疏压缩感知

3.3.1JSM1模型及重构

算法

3.3.2JSM2模型及重构

算法

3.3.3JSM3模型及重构

算法

3.4高斯联合稀疏张量压缩

感知

3.4.1张量表示及其分解

3.4.2内在张量稀疏度量

3.4.3基于CACTI的结构化

测量

3.4.4基于高斯联合稀疏

模型的重构方法

3.5本章小结

参考文献

第4章稀疏阶估计方法

4.1引言

4.2测量模型

4.2.1单测量向量模型

4.2.2多测量向量模型

4.3基于特征值的稀疏阶估计

算法

4.3.1算法原理

4.3.2算法步骤

4.4基于迹的稀疏阶估计算法

4.4.1算法原理

4.4.2算法步骤

4.4.3计算复杂度分析

4.5仿真实验及结果分析

4.5.1基于特征值的稀疏阶

估计算法

4.5.2基于迹的稀疏阶估计

算法

4.6本章小结

参考文献

第5章基于结构化压缩感知的一维

谱空穴检测

5.1引言

5.2一维谱空穴检测

5.2.1谱空穴概念

5.2.2典型一维谱空穴

检测

5.3基于动态组稀疏的频谱

感知

5.3.1频谱感知问题

描述

5.3.2DGSSS算法原理

5.3.3仿真实验及结果

分析

5.4基于块稀疏的空间谱估计

5.4.1空间谱估计问题

描述

5.4.2BStOMPCPHD算法

原理

5.4.3仿真实验与结果

分析

5.5基于块稀疏贝叶斯学习的

空间谱估计

5.5.1阵列结构及数据

模型

5.5.2STCBSBL算法

原理

5.5.3仿真实验与结果

分析

5.6本章小结

参考文献

第6章基于联合稀疏压缩感知的二维

谱空穴检测

6.1引言

6.2系统模型

6.2.1二维联合稀疏

表示

6.2.2协作感知系统频空

联合稀疏表示

6.2.3多址接入场景频角

联合稀疏表示

6.3算法原理

6.3.1二维谱空穴判决

准则

6.3.2适用于协作感知系统的

频空谱空穴判决

6.3.3适用于多址接入场景的

频角谱空穴判决

6.3.4计算复杂度分析

6.4仿真实验及结果分析

6.5本章小结

参考文献

第7章基于结构化压缩感知的三维

谱空穴检测

7.1引言

7.2系统模型

7.2.1索引调制信号

模型

7.2.2空频索引调制准

联合稀疏表示

7.2.3自适应索引调制信号

三维稀疏表示

7.3算法原理

7.3.1基于JSIRPRA的

索引调制识别

7.3.2基于MD的自适应

索引调制识别

7.3.3基于JSIRPRAMD的

三维谱空穴判决

7.3.4计算复杂度分析

7.4仿真实验及结果分析

7.5本章小结

参考文献

第8章基于结构化压缩感知的信道

估计

8.1引言

8.2信道模型

8.2.1无线信道特性

8.2.2信道估计模型

8.3时频联合稀疏多频带水声

信道估计

8.3.1多频带SIMO水声信道

模型

8.3.2基于多路径选择的

时频联合稀疏信道

估计

8.3.3仿真实验及结果

分析

8.4角频联合稀疏信道估计

8.4.1双选信道复指数扩展

模型

8.4.2基于贪婪算法的联合

稀疏信道估计

8.4.3仿真实验及结果

分析

8.5多测量联合稀疏OFDM线性

时变信道估计

8.5.1OFDM线性时变联合

稀疏信道模型

8.5.2基于分组优化的联合

稀疏信道估计

8.5.3仿真实验及结果

分析

8.6块稀疏水声信道估计

8.6.1块稀疏水声信道

模型

8.6.2基于块稀疏似零范数

的信道估计

8.6.3仿真实验及结果

分析

8.7面向5G的块稀疏信道

估计

8.7.1基于BPCoSaMP的

Massive MIMO块

稀疏信道估计

8.7.2基于MMC的3D 

Massive MIMO块

稀疏信道估计

8.7.3仿真实验及结果

分析

8.8本章小结

参考文献

第9章基于结构化压缩感知的

毫米波信道估计

9.1引言

9.2信道模型

9.2.1毫米波传播特性

9.2.2毫米波信道模型

9.3基于块稀疏表示的多面板

毫米波MIMO信道估计

9.3.1TDD多面板块稀疏

信道模型

9.3.2块稀疏正交投影信

道估计算法

9.3.3联合多面板信道估计的

性能分析

9.3.4仿真实验及结果

分析

9.4基于群稀疏表示的双选择

毫米波MIMO信道估计

9.4.1双选择性群稀疏信道

模型

9.4.2群稀疏SBLKF信道

估计算法

9.4.3SBLKF算法性能

分析

9.4.4仿真实验及结果

分析

9.5基于群稀疏表示的混合模拟/

数字毫米波MIMO信道

估计

9.5.1混合模拟/数字群稀疏

信道模型

9.5.2群稀疏BDOMP信道

估计算法

9.5.3BDOMP算法的性能

分析

9.5.4仿真实验及结果

分析

9.6本章小结

参考文献