基于RIP条件的压缩感知重构算法的改进和应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及课题来源 | 第10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 国内外文献综述简析 | 第14-15页 |
| 1.5 本文主要研究内容 | 第15-17页 |
| 第2章 压缩感知理论及其重构算法概述 | 第17-25页 |
| 2.1 引言 | 第17-18页 |
| 2.2 压缩感知的基本概念和定义 | 第18-19页 |
| 2.3 测量矩阵性质 | 第19-21页 |
| 2.4 信号的重构算法研究 | 第21-24页 |
| 2.4.1 贪婪算法 | 第21-22页 |
| 2.4.2 凸优化算法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于RIP条件的算法优化方法 | 第25-34页 |
| 3.1 引言 | 第25-26页 |
| 3.2 解的必要条件和稀疏度估计方法 | 第26-31页 |
| 3.2.1 解的必要性条件 | 第26-29页 |
| 3.2.2 稀疏度的估计方法 | 第29-31页 |
| 3.3 加权的l_1最优化模型的改进算法 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 数值实验分析 | 第34-50页 |
| 4.1 引言 | 第34-35页 |
| 4.2 图像信号在不同小波基下的稀疏表示 | 第35-43页 |
| 4.2.1 不同小波基下的结果分析 | 第35-40页 |
| 4.2.2 小波变换后稀疏程度 | 第40页 |
| 4.2.3 噪音干扰下的稀疏程度及结果讨论 | 第40-43页 |
| 4.3 确定稀疏度的范围及支撑集 | 第43-46页 |
| 4.4 稀疏信号权重的验证 | 第46-47页 |
| 4.5 权重的比较分析 | 第47-48页 |
| 4.6 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
