稀疏信号快速傅里叶变换研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 稀疏信号处理研究现状 | 第12页 |
| 1.2.2 稀疏快速傅里叶变换研究现状 | 第12-15页 |
| 1.3 课题研究思路及主要工作 | 第15-17页 |
| 1.4 论文总体结构 | 第17-19页 |
| 第二章 稀疏快速傅里叶变换研究基础 | 第19-35页 |
| 2.1 信号的稀疏表示 | 第19-20页 |
| 2.2 时域降维技术 | 第20-26页 |
| 2.2.1 频谱重排 | 第20-22页 |
| 2.2.2 窗函数卷积 | 第22-25页 |
| 2.2.3 信号下采样 | 第25-26页 |
| 2.3 快速傅里叶变换 | 第26-28页 |
| 2.4 频域重构算法 | 第28-33页 |
| 2.4.1 哈希统计法 | 第28-29页 |
| 2.4.2 同余统计法 | 第29-30页 |
| 2.4.3 二分渐近法 | 第30-32页 |
| 2.4.4 多区间渐近法 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 高斯白噪声下的sFFT算法 | 第35-43页 |
| 3.1 引言 | 第35页 |
| 3.2 算法的频点检测分析 | 第35-39页 |
| 3.2.1 频点检测分析 | 第35-37页 |
| 3.2.2 下采样域的数字特征分析 | 第37-39页 |
| 3.3 下采样域频点检测性能仿真 | 第39-40页 |
| 3.3.1 不同信噪比时的性能 | 第39-40页 |
| 3.3.2 不同每桶点数时的性能 | 第40页 |
| 3.4 优化时域降维的sFFT算法 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 稀疏度自适应的sFFT算法 | 第43-52页 |
| 4.1 引言 | 第43页 |
| 4.2 SAsFFT算法分析 | 第43-45页 |
| 4.2.1 稀疏度自适应算法介绍 | 第43-44页 |
| 4.2.2 频谱碰撞的影响 | 第44页 |
| 4.2.3 窗函数卷积的影响 | 第44-45页 |
| 4.3 SAsFFT算法实现 | 第45-48页 |
| 4.3.1 算法总体流程 | 第45-46页 |
| 4.3.2 信号稀疏度的确定 | 第46-48页 |
| 4.3.3 算法复杂度分析 | 第48页 |
| 4.4 SAsFFT算法仿真 | 第48-51页 |
| 4.4.1 信号长度对算法的影响 | 第49页 |
| 4.4.2 信号稀疏度对算法的影响 | 第49-50页 |
| 4.4.3 算法的鲁棒性仿真 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于CUDA并行加速的sFFT算法 | 第52-62页 |
| 5.1 引言 | 第52页 |
| 5.2 CUDA并行计算简介 | 第52-54页 |
| 5.3 CDUAsFFT算法的设计 | 第54-57页 |
| 5.3.1 时域降维过程的CUDA并行处理优化 | 第54-55页 |
| 5.3.2 重构中定位过程的CUDA并行处理优化 | 第55-56页 |
| 5.3.3 重构中求值过程的CUDA并行处理优化 | 第56-57页 |
| 5.4 CDUAsFFT算法的实现 | 第57-60页 |
| 5.4.1 信号长度对算法的影响 | 第58页 |
| 5.4.2 信号稀疏度对算法的影响 | 第58-59页 |
| 5.4.3 算法加速比 | 第59-60页 |
| 5.5 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 作者简历 | 第71页 |
