基于贝叶斯压缩感知的块状稀疏信号恢复算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略词表 | 第13-14页 |
| 数学符号表 | 第14-15页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15页 |
| 1.2 压缩感知主要应用 | 第15-18页 |
| 1.2.1 图像处理应用 | 第15-16页 |
| 1.2.2 生物学应用 | 第16页 |
| 1.2.3 通信及网络应用 | 第16-18页 |
| 1.3 研究现状 | 第18-19页 |
| 1.4 主要研究内容及贡献 | 第19-20页 |
| 1.5 论文结构安排 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第二章 压缩感知及贝叶斯压缩感知概述 | 第22-33页 |
| 2.1 引言 | 第22页 |
| 2.2 压缩感知概述 | 第22-24页 |
| 2.3 压缩感知主要恢复算法 | 第24-27页 |
| 2.3.1 凸松弛方法 | 第24-25页 |
| 2.3.2 贪婪迭代方法 | 第25页 |
| 2.3.3 迭代门限算法 | 第25-26页 |
| 2.3.4 非凸优化算法 | 第26-27页 |
| 2.4 贝叶斯压缩感知理论概述 | 第27-32页 |
| 2.4.1 传统贝叶斯算法 | 第27-30页 |
| 2.4.2 基于结构化贝叶斯算法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于贝叶斯压缩感知的块稀疏信号恢复算法 | 第33-53页 |
| 3.1 引言 | 第33页 |
| 3.2 问题描述 | 第33-35页 |
| 3.3 算法介绍 | 第35-40页 |
| 3.3.1 算法设计 | 第35-39页 |
| 3.3.2 主要结论 | 第39-40页 |
| 3.4 加权迭代算法恢复块稀疏信号 | 第40-41页 |
| 3.5 仿真结果 | 第41-52页 |
| 3.5.1 生成数据仿真 | 第41-45页 |
| 3.5.2 图像数据仿真 | 第45-49页 |
| 3.5.3 声音数据仿真 | 第49-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 噪声方差未知时稀疏信号恢复算法 | 第53-67页 |
| 4.1 引言 | 第53页 |
| 4.2 问题描述 | 第53-54页 |
| 4.3 算法设计 | 第54-57页 |
| 4.4 时变信号恢复 | 第57-59页 |
| 4.5 仿真结果 | 第59-65页 |
| 4.5.1 块状信号恢复 | 第59-62页 |
| 4.5.2 时变信号恢复 | 第62-65页 |
| 4.6 本章小结 | 第65-67页 |
| 第五章 全文总结 | 第67-69页 |
| 5.1 本文工作总结 | 第67-68页 |
| 5.2 未来研究方向 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间研究成果 | 第77-78页 |
