| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第19-31页 |
| 1.1 研究背景及意义 | 第19-21页 |
| 1.2 信号的稀疏表示 | 第21-24页 |
| 1.3 压缩感知技术之测量矩阵 | 第24-26页 |
| 1.4 压缩感知技术之重构算法 | 第26-27页 |
| 1.5 稀疏表示及压缩感知技术的推广应用 | 第27-28页 |
| 1.6 论文主要研究内容及安排 | 第28-31页 |
| 第2章 基于最小化l_1和l_2范数的线性加权的信号重构技术 | 第31-45页 |
| 2.1 本章引论 | 第31-33页 |
| 2.2 最小化l_1和l_2范数的线性加权方案 | 第33-37页 |
| 2.3 重构信号的误差界 | 第37-39页 |
| 2.3.1 无噪声情况下的信号重构 | 第37-38页 |
| 2.3.2 有噪声情况下的信号重构 | 第38-39页 |
| 2.3.3 算法实现 | 第39页 |
| 2.4 本章仿真结果 | 第39-43页 |
| 2.4.1 参数λ和τ的影响 | 第40页 |
| 2.4.2 误差界的分析 | 第40-41页 |
| 2.4.3 无噪场景下的算法性能比较 | 第41-42页 |
| 2.4.4 有噪场景下的算法性能比较 | 第42-43页 |
| 2.5 本章结论与展望 | 第43-45页 |
| 第3章 基于混和字典的超分辨率图像重构技术 | 第45-61页 |
| 3.1 本章引言 | 第45-46页 |
| 3.2 基于混和字典的超分辨率图像重构方案 | 第46-47页 |
| 3.3 基于稀疏表示的超分辨率重构 | 第47-51页 |
| 3.3.1 训练阶段 | 第48-50页 |
| 3.3.2 测试阶段 | 第50-51页 |
| 3.3.3 退化模型W在稀疏域的解释 | 第51页 |
| 3.4 本章仿真结果 | 第51-59页 |
| 3.4.1 实验设置 | 第51-54页 |
| 3.4.2 不同算法产生的不同字典 | 第54页 |
| 3.4.3 单幅图像超分辨率重构 | 第54-57页 |
| 3.4.4 参数分析 | 第57-59页 |
| 3.5 本章结论与展望 | 第59-61页 |
| 第4章 基于训练的过完备字典的数字水印技术 | 第61-79页 |
| 4.1 本章引言 | 第61-62页 |
| 4.2 基于过完备字典的水印嵌入方案 | 第62-67页 |
| 4.2.1 非盲稀疏域水印方案 | 第63-65页 |
| 4.2.2 盲的稀疏域水印方案 | 第65-67页 |
| 4.3 基于过完备字典的水印方案分析 | 第67-72页 |
| 4.3.1 过完备字典的分析 | 第67-68页 |
| 4.3.2 稀疏解的唯一性分析 | 第68-72页 |
| 4.4 本章仿真结果 | 第72-76页 |
| 4.4.1 水印提取与CS融合方案 | 第73-74页 |
| 4.4.2 攻击后的性能 | 第74-76页 |
| 4.5 本章结论 | 第76-79页 |
| 第5章 压缩感知技术在通信系统中的应用 | 第79-101页 |
| 5.1 本章引言 | 第79-83页 |
| 5.2 基于压缩感知的复用方案 | 第83-86页 |
| 5.2.1 基于压缩感知的复用方案设计 | 第83-85页 |
| 5.2.2 解的唯一性保证 | 第85-86页 |
| 5.3 基于压缩感知的MIMO复用技术 | 第86-94页 |
| 5.3.1 压缩复用 | 第87页 |
| 5.3.2 传输模型 | 第87-88页 |
| 5.3.3 信道特性 | 第88-89页 |
| 5.3.4 误码率分析 | 第89-92页 |
| 5.3.5 本章仿真结果 | 第92-94页 |
| 5.4 基于压缩感知的MIMO-OFDM技术 | 第94-99页 |
| 5.4.1 本节模型 | 第95-96页 |
| 5.4.2 CS MIMO-OFDM方案设计 | 第96-98页 |
| 5.4.3 本章仿真结果 | 第98-99页 |
| 5.5 本章结论与展望 | 第99-101页 |
| 第6章 结论与展望 | 第101-105页 |
| 6.1 本文工作总结 | 第101-102页 |
| 6.2 未来工作展望 | 第102-105页 |
| 附录A 引理2.1的证明 | 第105-111页 |
| A.1 引理2.1 | 第105-111页 |
| 致谢 | 第111-113页 |
| 参考文献 | 第113-125页 |
| 发表文章目录 | 第125页 |