| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.1.1 分布式信号处理问题概述 | 第9-10页 |
| 1.1.2 平滑参数场的估计 | 第10-11页 |
| 1.1.3 电磁信号接收功率强度识别 | 第11页 |
| 1.2 国内外在该方向的研究现状及分析 | 第11-15页 |
| 1.2.1 传感器网络分布式信号处理方法研究现状 | 第11-12页 |
| 1.2.2 Gossip算法研究现状 | 第12-14页 |
| 1.2.3 分布式压缩感知算法研究现状 | 第14-15页 |
| 1.3 本文的主要工作和内容安排 | 第15-17页 |
| 第2章 基于分布式网络数据的压缩感知算法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 压缩感知算法基本理论 | 第17-20页 |
| 2.2.1 信号稀疏变换 | 第17-18页 |
| 2.2.2 构建测量矩阵 | 第18-19页 |
| 2.2.3 稀疏信号重构 | 第19-20页 |
| 2.3 网络数据的稀疏变换 | 第20-23页 |
| 2.3.1 空间压缩 | 第20-21页 |
| 2.3.2 图小波 | 第21页 |
| 2.3.3 扩散小波 | 第21-23页 |
| 2.4 梯度投影重构算法 | 第23-28页 |
| 2.4.1 GPSR-Basic算法 | 第24-25页 |
| 2.4.2 GPSR-BB算法 | 第25-26页 |
| 2.4.3 性能仿真 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于随机几何图的GOSSIP算法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 GOSSIP算法基本理论 | 第29-31页 |
| 3.2.1 分布式平均共识 | 第29-30页 |
| 3.2.2 Gossip算法网络结构和时间模型 | 第30-31页 |
| 3.3 成对GOSSIP算法 | 第31-37页 |
| 3.3.1 成对Gossip算法原理 | 第32-33页 |
| 3.3.2 成对Gossip算法在期望上的收敛性 | 第33页 |
| 3.3.3 成对Gossip算法在二阶矩上的收敛性 | 第33-35页 |
| 3.3.4 成对Gossip算法的收敛速度 | 第35-37页 |
| 3.4 无偏广播GOSSIP算法 | 第37-42页 |
| 3.4.1 无偏广播Gossip算法原理 | 第38-39页 |
| 3.4.2 无偏广播Gossip算法在期望上的收敛性 | 第39-40页 |
| 3.4.3 无偏广播Gossip算法在二阶矩上的收敛性 | 第40-42页 |
| 3.5 性能仿真 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于GOSSIP算法的分布式参数场估计 | 第46-67页 |
| 4.1 引言 | 第46页 |
| 4.2 算法流程 | 第46-47页 |
| 4.3 分布式平滑参数场估计 | 第47-60页 |
| 4.3.1 基于成对Gossip算法参数场估计的仿真与分析 | 第48-55页 |
| 4.3.2 基于UBGA算法的平滑参数场估计仿真与分析 | 第55-58页 |
| 4.3.3 算法性能比较 | 第58-60页 |
| 4.4 分布式电磁场接收信号功率强度识别与估计 | 第60-66页 |
| 4.4.1 电磁场接收信号功率强度分布模型 | 第60-63页 |
| 4.4.2 算法性能仿真 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第73-75页 |
| 致谢 | 第75页 |
