基于压缩感知的快速有效感知和重构算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| Contents | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.4 本文的研究内容和结构安排 | 第14-15页 |
| 第二章 压缩感知理论介绍 | 第15-20页 |
| 2.1 引言 | 第15页 |
| 2.2 稀疏表示 | 第15-16页 |
| 2.3 测量矩阵 | 第16-18页 |
| 2.4 重构算法 | 第18-19页 |
| 2.5 本章总结 | 第19-20页 |
| 第三章 测量矩阵的深入研究和改进 | 第20-31页 |
| 3.1 引言 | 第20-21页 |
| 3.2 结构性随机矩阵 | 第21-22页 |
| 3.3 离散周期拉东变换 | 第22-25页 |
| 3.4 结构性随机矩阵的改进 | 第25-27页 |
| 3.5 实验分析 | 第27-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 重构算法的深入研究和分析 | 第31-41页 |
| 4.1 引言 | 第31页 |
| 4.2 常用范数及其在压缩感知理论下的意义 | 第31-34页 |
| 4.2.1 L_0范数 | 第31-32页 |
| 4.2.2 L_1范数 | 第32-33页 |
| 4.2.3 L_2范数 | 第33页 |
| 4.2.4 全变分范数(TV范数) | 第33-34页 |
| 4.3 经典的重构算法 | 第34-39页 |
| 4.3.1 正交匹配跟踪算法(OMP) | 第34-35页 |
| 4.3.2 梯度投影稀疏重构算法(GPSR) | 第35-37页 |
| 4.3.3 快速复合分裂算法(FCSA) | 第37-39页 |
| 4.4 针对性重构算法方案选择 | 第39页 |
| 4.5 本章总结 | 第39-41页 |
| 第五章 总结与展望 | 第41-44页 |
| 5.1 本文工作总结 | 第41-42页 |
| 5.2 未来工作展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间发表的论文 | 第48-50页 |
| 致谢 | 第50页 |
