压缩信号检测和分类的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11页 |
| 1.2 压缩感知理论研究现状与趋势 | 第11-14页 |
| 1.3 压缩检测研究现状与趋势 | 第14-15页 |
| 1.4 压缩分类研究现状与趋势 | 第15页 |
| 1.5 本文的主要内容和安排 | 第15-17页 |
| 第二章 压缩感知理论 | 第17-32页 |
| 2.1 压缩感知理论概述与基本框架 | 第17-21页 |
| 2.1.1 传统采样方式 | 第17-18页 |
| 2.1.2 压缩感知概述 | 第18-19页 |
| 2.1.3 信号的稀疏表示 | 第19-20页 |
| 2.1.4 测量矩阵的设计 | 第20-21页 |
| 2.2 重建算法的研究 | 第21-28页 |
| 2.2.1 重建算法概述 | 第21-23页 |
| 2.2.2 凸优化算法 | 第23-25页 |
| 2.2.3 贪婪追踪算法 | 第25-28页 |
| 2.3 存在扰动情况下的的重建算法 | 第28-30页 |
| 2.4 基于特殊稀疏结构的重建算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 存在稀疏噪声情况下的压缩信号检测 | 第32-47页 |
| 3.1 研究背景和系统模型 | 第32-34页 |
| 3.1.1 存在稀疏噪声的压缩信号模型 | 第32-33页 |
| 3.1.2 奈曼-皮尔逊准则概述 | 第33-34页 |
| 3.2 二元信号检测理论 | 第34-37页 |
| 3.2.1 传统二元信号检测理论 | 第34-36页 |
| 3.2.2 压缩信号二元信号检测理论 | 第36-37页 |
| 3.3 稀疏噪声中压缩信号的检测性能 | 第37-44页 |
| 3.3.1 稀疏噪声确定 | 第37-39页 |
| 3.3.2 稀疏噪声随机 | 第39-44页 |
| 3.4 算法仿真结果与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于压缩感知的人体行为识别 | 第47-58页 |
| 4.1 引言 | 第47页 |
| 4.2 基于压缩感知的行为分类模型与算法 | 第47-52页 |
| 4.2.1 行为数据模型 | 第47-48页 |
| 4.2.2 传统行为分类算法设计框架 | 第48-50页 |
| 4.2.3 基于随机投影矩阵的降维分类算法 | 第50-52页 |
| 4.3 存在扰动时行为分类算法设计 | 第52-54页 |
| 4.3.1 扰动压缩分类算法 | 第52-53页 |
| 4.3.2 改进的扰动分类算法设计 | 第53-54页 |
| 4.4 仿真结果与分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 论文工作总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |
