| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-11页 |
| 1.3 本文的主要贡献与创新 | 第11-12页 |
| 1.4 本文的研究内容和结构安排 | 第12-13页 |
| 第二章 传统压缩感知的重构算法研究 | 第13-23页 |
| 2.1 信号的稀疏表示 | 第13-14页 |
| 2.2 观测矩阵的选取 | 第14页 |
| 2.3 信号的重构算法 | 第14-22页 |
| 2.3.1 正交匹配追踪算法 | 第15-18页 |
| 2.3.2 稀疏自适应匹配追踪算法 | 第18-21页 |
| 2.3.3 基追踪算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 采样率自适应分块压缩感知技术研究 | 第23-47页 |
| 3.1 基于固定采样率的分块压缩感知算法 | 第23-29页 |
| 3.1.1 分块压缩感知原理 | 第23-25页 |
| 3.1.2 分块压缩感知平滑投影Lanweber迭代重构算法 | 第25-29页 |
| 3.2 基于灰度熵的采样率自适应分块压缩感知算法 | 第29-36页 |
| 3.2.1 ENT-BCS算法原理 | 第30-33页 |
| 3.2.2 ENT-BCS算法性能分析 | 第33-36页 |
| 3.3 基于边缘信息的采样率自适应分块压缩感知算法 | 第36-41页 |
| 3.3.1 EDG-BCS算法原理 | 第36-38页 |
| 3.3.2 EDG-BCS算法性能分析 | 第38-41页 |
| 3.4 基于全变差的采样率自适应分块压缩感知算法 | 第41-46页 |
| 3.4.1 TV-BCS算法原理 | 第41-43页 |
| 3.4.2 TV-BCS算法性能分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 采样率自适应多尺度分块压缩感知技术研究 | 第47-68页 |
| 4.1 多尺度分块压缩感知 | 第47-55页 |
| 4.1.1 多尺度分块压缩感知理论 | 第47-48页 |
| 4.1.2 多尺度分块压缩感知重构算法 | 第48-49页 |
| 4.1.3 多尺度分块压缩感知参数讨论 | 第49-55页 |
| 4.2 基于灰度熵的采样率自适应多尺度分块压缩感知算法 | 第55-59页 |
| 4.2.1 ENT-MS-BCS算法原理 | 第55-57页 |
| 4.2.2 ENT-MS-BCS算法性能分析 | 第57-59页 |
| 4.3 基于边缘信息的采样率自适应多尺度分块压缩感知算法 | 第59-63页 |
| 4.3.1 EDG-MS-BCS算法原理 | 第59-61页 |
| 4.3.2 EDG-MS-BCS算法性能分析 | 第61-63页 |
| 4.4 基于全变差的采样率自适应多尺度分块压缩感知算法 | 第63-66页 |
| 4.4.1 TV-MS-BCS算法原理 | 第63-64页 |
| 4.4.2 TV-MS-BCS算法性能分析 | 第64-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 全文总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68页 |
| 5.2 后续工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的成果 | 第76页 |
