压缩感知中测量矩阵构造算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 压缩感知理论基础 | 第10-16页 |
| 1.2.1 压缩感知理论数学模型 | 第10-12页 |
| 1.2.2 压缩感知主要研究的内容 | 第12-16页 |
| 1.3 压缩感知的应用 | 第16-18页 |
| 1.4 研究目的和意义 | 第18-19页 |
| 1.5 本文的研究创新 | 第19页 |
| 1.6 本文结构安排 | 第19-21页 |
| 第2章 测量矩阵研究 | 第21-36页 |
| 2.1 测量矩阵与重构算法的联系 | 第21-23页 |
| 2.2 常用的测量矩阵 | 第23-27页 |
| 2.2.1 Gaussiun随机测量矩阵 | 第23页 |
| 2.2.2 Berneuli随机测量矩阵 | 第23-24页 |
| 2.2.3 部分正交测量矩阵 | 第24页 |
| 2.2.4 结构化测量矩阵 | 第24-25页 |
| 2.2.5 多项式测量矩阵 | 第25页 |
| 2.2.6 稀疏随机测量矩阵 | 第25页 |
| 2.2.7 分块多项式确定性矩阵 | 第25-26页 |
| 2.2.8 分块Hadamard稀疏矩阵 | 第26-27页 |
| 2.3 几种优化相关性的测量矩阵 | 第27-34页 |
| 2.3.1 迭代优化算法 | 第27-33页 |
| 2.3.2 有效投影法 | 第33-34页 |
| 2.4 现阶段测量矩阵构造存在的问题 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 幂平均列相关性测量矩阵构造算法 | 第36-46页 |
| 3.1 幂平均列相关性和测量矩阵择优原则 | 第36-39页 |
| 3.2 低幂平均列相关性测量矩阵构造 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-45页 |
| 3.3.1 符号定义和参数说明 | 第40-41页 |
| 3.3.2 列相关性定性对比与分析 | 第41页 |
| 3.3.3 列相关性定量对比与分析 | 第41-42页 |
| 3.3.4 算法时间复杂度对比与分析 | 第42-43页 |
| 3.3.5 重构错误率对比与分析 | 第43-45页 |
| 3.4 小结 | 第45-46页 |
| 第4章 一种追踪-缩减-补偿机制测量矩阵构造算法 | 第46-53页 |
| 4.1 追踪-缩减-补偿思想用于测量矩阵构造算法 | 第46-47页 |
| 4.2 追踪-缩减-补偿机制测量矩阵构造算法 | 第47-50页 |
| 4.3 实验结果分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结和展望 | 第53-54页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历、在校期间发表学术论文与研究成果 | 第58页 |
