| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 物联网及其发展现状 | 第10-11页 |
| 1.1.2 压缩感知及其应用现状 | 第11-13页 |
| 1.2 主要研究工作 | 第13-14页 |
| 1.3 论文的结构安排 | 第14-16页 |
| 第二章 压缩感知及其应用 | 第16-30页 |
| 2.1 传统信号处理方法 | 第16-18页 |
| 2.2 压缩感知的理论框架 | 第18-28页 |
| 2.2.1 压缩感知的数学模型 | 第18-20页 |
| 2.2.2 信号的观测矩阵 | 第20-21页 |
| 2.2.3 信号的重构算法 | 第21-25页 |
| 2.2.4 仿真分析 | 第25-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 分布式压缩视频感知 | 第30-38页 |
| 3.1 分布式压缩感知及联合稀疏模型 | 第30-33页 |
| 3.1.1 JSM1模型 | 第30-32页 |
| 3.1.2 JSM2模型 | 第32页 |
| 3.1.3 JSM3模型 | 第32-33页 |
| 3.2 分布式压缩视频感知的应用 | 第33-36页 |
| 3.2.1 分布式压缩视频感知框架结构 | 第33-34页 |
| 3.2.2 基于GPSR的分布式压缩视频感知重构算法 | 第34-35页 |
| 3.2.3 仿真与性能分析 | 第35-36页 |
| 3.3 本章总结 | 第36-38页 |
| 第四章 改进的分布式贝叶斯压缩感知算法 | 第38-52页 |
| 4.1 贝叶斯压缩感知重构算法 | 第38-41页 |
| 4.2 贝叶斯压缩感知快速RVM重构算法 | 第41-43页 |
| 4.3 改进的分布式贝叶斯压缩感知算法 | 第43-47页 |
| 4.3.1 信号的概率表示模型 | 第43-45页 |
| 4.3.2 重构算法 | 第45-47页 |
| 4.4 仿真及性能分析 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 结束语 | 第52-54页 |
| 5.1 全文总结 | 第52页 |
| 5.2 未来的展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 源代码 | 第58-66页 |
| 致谢 | 第66页 |