时延估计是经典的信号处理技术,广泛应用于无线定位领域,其中基于小样本的时延估计技术是业界的研究热点和难点。随着压缩感知理论与技术的不断成熟,基于稀疏信息的信号恢复与重建研究获得了重大进展,同时为小样本条件下时延估计问题提供了新的解决思路。本文即围绕基于压缩感知的时延估计技术开展相关研究,论文的主要工作如下:1.针对基于压缩感知的时延估计建模研究尚不充分的问题,在深入研究信号角度域稀疏化表示方法的基础上,通过扩展时延估计的导向矢量矩阵,实现了增益系数的稀疏化,解决了信号时域稀疏化表示问题。进一步构建出基于压缩感知的时延估计模型,并将其抽象为最小化零范数求解问题,为后续研究提供了模型和理论基础。2.针对现有压缩感知时延估计算法精度不高的问题,以贪婪类重构算法为优化对象,提出一种基于回溯筛选的稀疏重构时延估计算法。该算法利用回溯筛选思想改进稀疏重构算法中原子选取的方式,降低了原子错选概率,有效提高了贪婪类算法的估计精度。仿真与分析表明,相比于ROMP算法,所提算法的均方误差降低了11.7%,有效提高了基于压缩感知的时延估计算法精度。3.针对现有压缩感知时延估计算法存储开销大,难以工程实现的问题,以编码类测量矩阵为优化对象,提出一种基于渐进添边的准循环压缩感知时延估计算法。该算法在推导LDPC码测量矩阵设计准则的基础上,利用渐进添边的思想构造出具有准循环结构的LDPC码测量矩阵,有效降低了测量矩阵的存储开销。仿真与分析表明,相比于高斯随机测量矩阵,在相当的估计精度性能条件下,所提算法存储空间下降了一个数量级,有效提高了此类算法的工程可实现性。4.针对小快拍数压缩感知时延估计算法精度不高的问题,以子空间类算法为优化对象,提出一种基于压缩感知子空间的时延估计算法。该算法通过推导Music算法特征分解的必要条件,采用稀疏重构的方法构造出正交的信号和噪声子空间,进而采用Root-Music算法实现时延估计,有效地解决了传统方法在快拍数小于多径数条件下无法进行信号特征分解的问题。仿真与分析表明,所提算法有效提高了小快拍数条件下的时延估计精度,增强了算法的普适性。