| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 传统向量量化 | 第9-14页 |
| 1.1.1 传统向量量化算法的目标和内容 | 第12-13页 |
| 1.1.2 向量量化算法的性能评价 | 第13-14页 |
| 1.2 传感器网络中的分布式信号处理 | 第14-16页 |
| 1.2.1 传感器网络中的信号处理 | 第14-15页 |
| 1.2.2 分布式信号处理的国内外发展现状 | 第15页 |
| 1.2.3 分布式向量量化问题描述 | 第15-16页 |
| 1.3 本文的主要内容和结构安排 | 第16-18页 |
| 第2章 分布式LBG算法 | 第18-28页 |
| 2.1 LBG算法 | 第18-23页 |
| 2.2 分布式LBG算法 | 第23-26页 |
| 2.3 通信复杂度分析 | 第26-28页 |
| 第3章 分布式SOM算法 | 第28-36页 |
| 3.1 SOM算法 | 第28-29页 |
| 3.2 分布式SOM算法 | 第29-34页 |
| 3.3 通信复杂度分析 | 第34-36页 |
| 第4章 基于信息论K-L散度的分布式向量量化算法 | 第36-46页 |
| 4.1 基于K-L散度的集中式向量量化算法 | 第36-41页 |
| 4.1.1 Kullback-Leibler散度 | 第36-37页 |
| 4.1.2 高斯混合模型(Gaussian mixture models) | 第37-38页 |
| 4.1.3 Robbins-Monro随机逼近方法 | 第38-39页 |
| 4.1.4 基于K-L散度的集中式向量量化算法 | 第39-41页 |
| 4.2 基于K-L散度的分布式向量量化算法 | 第41-44页 |
| 4.3 通信复杂度分析 | 第44-46页 |
| 第5章 数值仿真 | 第46-65页 |
| 5.1 仿真网络设置 | 第46-47页 |
| 5.2 仿真数据生成 | 第47-48页 |
| 5.3 仿真性能评价 | 第48-49页 |
| 5.4 仿真结果 | 第49-65页 |
| 5.4.1 简单情况下的量化示意图 | 第49-50页 |
| 5.4.2 不平衡度对量化性能的影响 | 第50-58页 |
| 5.4.3 分布式LBG中不同内循环参数p的影响 | 第58-60页 |
| 5.4.4 分布式SOM中不同内循环参数N_t的影响 | 第60-62页 |
| 5.4.5 不同输入数据量下各算法的通信量 | 第62-65页 |
| 第6章 结论 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者简历及在学期间所取得的科研成果 | 第70页 |
| 作者简介 | 第70页 |
| 攻读硕士期间主要研究成果 | 第70页 |
| 已发表论文 | 第70页 |
| 已投出论文 | 第70页 |
