在当前导航领域中,以脉冲星为信号源的X射线脉冲星导航已成为非常具有前景的航天器导航方法。其基本量测量为脉冲星的脉冲时延,它通过比较不同累积时间下得到的脉冲轮廓相对于标准脉冲轮廓的相位得到。如何在短时间内精确进行时延估计是提高脉冲星自主导航性能的关键。压缩感知是脉冲星导航中用于估计脉冲时延的一种经典方法,压缩感知由以下几方面的内容组成:稀疏字典来进行信号变换、测量矩阵采样和恢复算法信号重构。一方面考虑到压缩感知方法中字典的原子数与估计精度密切相关,原子个数越多则原子间隔越小,估计越精确,但相应的计算量也越大,另一方面测量矩阵是一个影响压缩感知应用的重要因素,测量矩阵的性能会影响信号的估计效果,测量矩阵的维度受限会导致压缩感知信号的维度受限且影响存储内存的消耗。因此,从波形字典与测量矩阵的角度来考虑,实现具有高精度、低计算复杂度的压缩感知累积脉冲轮廓时延估计方法是一条值得探讨的途径。本文从以下两个方面对基于压缩感知的时延估计方法作了研究:(1)提出了一种基于两级压缩感知的时延估计方法。针对压缩感知中字典的原子数增加虽能提高估计精度但又带来计算量大的问题,该方法采用粗估计与精估计两级字典相结合,先利用粗估计字典原子间隔大的特点进行累积脉冲轮廓全相位估计,得到预估时延值,再利用精估计字典的原子间隔小且个数少适合局部估计的特点对累积脉冲轮廓进行精确时延估计。(2)结合智能优化算法提出了一种基于自适应遗传算法的任意维度哈达玛测量矩阵选择方法,并在压缩感知中对脉冲星时延进行估计。针对哈达玛矩阵维度受限导致脉冲星信号长度受限且带来内存消耗大的问题,该方法首先将哈达玛矩阵进行预处理,然后利于自适应遗传算法适用于组合优化的优势,根据规则选择出任意维度的哈达玛测量矩阵,最后利用压缩感知获得脉冲星时延估计。文中通过使用数值模拟与RXTE(Rossi X-ray Timing Explorer)实测数据对上述两种方法进行实验仿真。理论分析与实验结果表明,两级字典数据量比传统字典小两个数量级,在相同的时延估计精度下,该方法比传统压缩感知方法计算量大幅度减少。测量矩阵维度有所减小,能与相应的脉冲星周期相匹配,且采用自适应遗传算法基于一定规则选择出的哈达玛测量矩阵时延估计效果优于随机选择出的任意维度哈达玛测量矩阵。因此文中提出的这两种方法在降低计算量的同时有效的提高估计精度,增加了导航的准确性。