基于压缩感知的无线传感器网络信号采集和稀疏表示研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的主要内容 | 第12-13页 |
| ·论文的结构安排 | 第13-14页 |
| 第二章 压缩感知的理论模型及其应用 | 第14-25页 |
| ·压缩感知理论基本概念 | 第14-16页 |
| ·原始信号的稀疏表示 | 第16-17页 |
| ·观测矩阵 | 第17-19页 |
| ·观测矩阵选取 | 第17-18页 |
| ·常用观测矩阵 | 第18-19页 |
| ·信号重构算法 | 第19-22页 |
| ·l_1模最小化方法 | 第20-21页 |
| ·基于l_0范数最小化的贪婪算法 | 第21-22页 |
| ·压缩感知理论在WSNs中的应用 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于分簇的信号压缩采集方案 | 第25-35页 |
| ·LEACH分簇算法 | 第25-27页 |
| ·基于CS-LEACH分簇的观测矩阵 | 第27-31页 |
| ·矩阵的相干性分析 | 第31-32页 |
| ·实验仿真与分析 | 第32-34页 |
| ·观测矩阵选取对WSNs生命周期的影响 | 第32-33页 |
| ·观测数量对恢复效果的影响 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于压缩感知的信号稀疏表示方法研究 | 第35-53页 |
| ·基于预先确定字典的稀疏表示算法 | 第35-41页 |
| ·离散余弦变换（DCT） | 第36-39页 |
| ·基于主成分分析（PCA） | 第39-41页 |
| ·基于K-SVD算法训练构建的稀疏字典 | 第41-46页 |
| ·基于过完备字典的稀疏表示理论 | 第42页 |
| ·经典K-SVD算法的基本原理 | 第42-44页 |
| ·用改进的K-SVD算法构建稀疏表示字典 | 第44-46页 |
| ·实验仿真与分析 | 第46-52页 |
| ·实验数据集 | 第46-47页 |
| ·基于预先确定字典的恢复 | 第47-49页 |
| ·基于K-SVD算法构建稀疏表示字典的恢复 | 第49-51页 |
| ·两类字典的对比分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
