| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-16页 |
| ·CS 理论简介 | 第10-14页 |
| ·CS 理论的发展和应用 | 第14-15页 |
| ·CS 重建算法研究现状 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的组织结构 | 第17-19页 |
| 第二章 预备知识 | 第19-31页 |
| ·CS 理论框架 | 第19-24页 |
| ·信号的稀疏表示 | 第19-21页 |
| ·观测矩阵 | 第21-23页 |
| ·重建算法 | 第23-24页 |
| ·几种典型的重建算法 | 第24-30页 |
| ·最小l1 范数法 | 第24页 |
| ·匹配追踪系列算法 | 第24-29页 |
| ·最小全变分法 | 第29页 |
| ·迭代阈值法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 分块稀疏度自适应正则匹配追踪算法 | 第31-40页 |
| ·ROMP 和 SAMP 算法特点分析 | 第31-33页 |
| ·正则正交匹配追踪（ROMP）算法 | 第31-32页 |
| ·稀疏度自适应匹配追踪（SAMP）算法 | 第32-33页 |
| ·分块稀疏度自适应正则匹配追踪（BSARMP）算法 | 第33-39页 |
| ·BSARMP 算法的提出 | 第33页 |
| ·BSARMP 算法流程 | 第33-34页 |
| ·实验与分析 | 第34-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于梯度投影重建算法的两种优化方案 | 第40-51页 |
| ·GPSR 算法及其缺陷 | 第40-42页 |
| ·GPSR 算法描述 | 第40-42页 |
| ·GPSR 算法特点 | 第42页 |
| ·均衡化梯度投影 EGPSR 算法 | 第42-46页 |
| ·EGPSR 算法思想 | 第42-43页 |
| ·EGPSR 算法流程 | 第43-44页 |
| ·实验与分析 | 第44-46页 |
| ·均衡化分块梯度投影 EBGPSR 投影算法 | 第46-50页 |
| ·EBGPSR 算法的提出 | 第46-47页 |
| ·EBGPSR 算法描述 | 第47页 |
| ·实验与分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 带修正参数的共轭梯度重建算法 | 第51-56页 |
| ·共轭梯度 CG 算法 | 第51-52页 |
| ·带修正参数的 FR 共轭梯度（MFRCG）算法 | 第52-55页 |
| ·MFRCG 算法基本思想 | 第52页 |
| ·MFRCG 算法流程描述 | 第52-53页 |
| ·实验与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |