| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 第2章 压缩感知在旋转机械振动信号处理中的关键问题 | 第15-26页 |
| 2.1 稀疏表示字典及构造方法 | 第15-20页 |
| 2.1.1 正交基稀疏表示字典 | 第17-19页 |
| 2.1.2 冗余字典构造 | 第19-20页 |
| 2.2 观测矩阵及构造方法 | 第20-22页 |
| 2.2.1 随机观测矩阵 | 第21页 |
| 2.2.2 确定性观测矩阵 | 第21-22页 |
| 2.3 重构算法 | 第22-24页 |
| 2.3.1 凸优化算法及非凸优化算法 | 第23-24页 |
| 2.3.2 贪婪迭代算法 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于块稀疏贝叶斯学习的压缩感知重构算法 | 第26-43页 |
| 3.1 信号的结构特征 | 第26-29页 |
| 3.1.1 块稀疏结构模型 | 第27页 |
| 3.1.2 轴承振动信号的块稀疏特性 | 第27-29页 |
| 3.2 块稀疏贝叶斯学习 | 第29-33页 |
| 3.2.1 块稀疏贝叶斯学习基本框架 | 第30-31页 |
| 3.2.2 超参数估计方法 | 第31-33页 |
| 3.3 块稀疏贝叶斯学习重构实验与分析 | 第33-42页 |
| 3.3.1 块稀疏贝叶斯学习和传统重构算法的对比 | 第34-37页 |
| 3.3.2 块稀疏贝叶斯学习和其它块稀疏结构算法的对比 | 第37-39页 |
| 3.3.3 信噪比对块稀疏贝叶斯学习的重构性能影响 | 第39-41页 |
| 3.3.4 信号块结构对块稀疏贝叶斯学习重构性能的影响 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于小波包字典优化的稀疏表示字典构造方法 | 第43-57页 |
| 4.1 小波包变换理论 | 第43-48页 |
| 4.1.1 离散小波变换与小波包变换 | 第43-45页 |
| 4.1.2 小波变换及小波包变换矩阵构造 | 第45-48页 |
| 4.2 K-SVD字典训练方法 | 第48-49页 |
| 4.3 小波包字典优化方法 | 第49-50页 |
| 4.4 小波包字典优化重构实验与分析 | 第50-55页 |
| 4.4.1 小波包字典优化与传统稀疏表示方法的比较 | 第50-53页 |
| 4.4.2 小波包字典优化参数对重构性能的影响 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 基于随机解调和改进LDPC校验矩阵的确定性观测矩阵构造方法 | 第57-66页 |
| 5.1 随机解调信息采样方法 | 第57-60页 |
| 5.1.1 随机解调采样具体过程 | 第58页 |
| 5.1.2 随机解调的数学模型 | 第58-60页 |
| 5.2 LDPC校验矩阵 | 第60-61页 |
| 5.3 基于随机解调和改进LDPC校验矩阵的观测矩阵构造方法 | 第61-62页 |
| 5.4 基于RD-MLDPC的观测矩阵重构实验与分析 | 第62-65页 |
| 5.4.1 RD-MLDPC观测矩阵和随机观测矩阵的性能对比 | 第62-64页 |
| 5.4.2 改进LDPC矩阵稀疏度对重构性能的影响 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74页 |
