| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 压缩感知理论 | 第11-13页 |
| 1.2.2 智能优化算法 | 第13-15页 |
| 1.3 本论文的主要工作 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 压缩感知理论 | 第17-28页 |
| 2.1 基本原理 | 第17-21页 |
| 2.2 关键技术 | 第21-27页 |
| 2.2.1 稀疏表示 | 第21-23页 |
| 2.2.2 观测矩阵 | 第23-25页 |
| 2.2.3 信号重构 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 匹配追踪算法 | 第28-40页 |
| 3.1 匹配追踪算法 | 第28-32页 |
| 3.1.1 正交匹配追踪算法 | 第29-30页 |
| 3.1.2 压缩采样匹配追踪算法 | 第30页 |
| 3.1.3 分段正交匹配追踪算法 | 第30-31页 |
| 3.1.4 自适应匹配追踪算法 | 第31-32页 |
| 3.2 仿真实验与结果分析 | 第32-39页 |
| 3.2.1 图像的衡量指标 | 第32-33页 |
| 3.2.2 仿真结果对比分析 | 第33-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 基于粒子群优化算法对StOMP和SAMP算法参数的优化 | 第40-51页 |
| 4.1 智能优化算法 | 第40-41页 |
| 4.2 粒子群优化算法 | 第41-43页 |
| 4.3 算法设计流程 | 第43-45页 |
| 4.4 仿真结果及分析 | 第45-50页 |
| 4.4.1 重构效果分析 | 第45-49页 |
| 4.4.2 运行时间分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 基于粒子群优化算法对CoSaMP算法的改进 | 第51-64页 |
| 5.1 引言 | 第51-52页 |
| 5.2 粒子群优化算法的优势 | 第52-53页 |
| 5.3 基于PSO算法对CoSaMP算法的改进方案 | 第53-55页 |
| 5.4 仿真步骤 | 第55-57页 |
| 5.5 仿真结果及分析 | 第57-63页 |
| 5.5.1 重构效果分析 | 第57-61页 |
| 5.5.2 运行时间分析 | 第61-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 下一步工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的成果 | 第72-73页 |
