基于压缩感知的多频带信号重构算法设计及实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 传统的多频带信号采样处理技术 | 第11-13页 |
| 1.2.2 模拟信号压缩感知技术研究现状 | 第13-16页 |
| 1.3 本文的主要研究内容和结构安排 | 第16-19页 |
| 第2章 多频带信号压缩感知理论分析 | 第19-40页 |
| 2.1 压缩感知数学模型 | 第19-23页 |
| 2.1.1 信号的稀疏表示 | 第21-22页 |
| 2.1.2 观测矩阵的设计 | 第22页 |
| 2.1.3 重构算法的设计 | 第22-23页 |
| 2.2 模拟信息转换 | 第23-26页 |
| 2.2.1 随机解调理论 | 第23-25页 |
| 2.2.2 随机解调仿真 | 第25-26页 |
| 2.3 XAMPLING | 第26-39页 |
| 2.3.1 Xampling理论 | 第26-32页 |
| 2.3.2 Xampling仿真 | 第32-36页 |
| 2.3.3 Xampling实现 | 第36-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 基于多频带信号重构的匹配追踪类算法改进 | 第40-65页 |
| 3.1 经典SMV算法的MMV扩展 | 第40-51页 |
| 3.2 MMV算法改进 | 第51-60页 |
| 3.2.1 基于相关系数的多观测值向量改进算法 | 第51-55页 |
| 3.2.2 多观测值向量稀疏度自适应改进算法 | 第55-60页 |
| 3.3 聚类稀疏正则化正交匹配追踪算法 | 第60-63页 |
| 3.4 改进算法的C语言实现 | 第63页 |
| 3.5 本章小结 | 第63-65页 |
| 第4章 基于多频带信号重构的SBL类算法改进 | 第65-91页 |
| 4.1 稀疏贝叶斯学习理论 | 第65-69页 |
| 4.2 经典多观测值向量SBL算法的复数扩展 | 第69-78页 |
| 4.3 TMSBL算法的噪声自适应 | 第78-80页 |
| 4.4 MMV问题转化为BSBL问题 | 第80-90页 |
| 4.5 本章小结 | 第90-91页 |
| 结论 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 攻读硕士学位期间发表的论文和学术成果 | 第99-101页 |
| 致谢 | 第101页 |
