基于物联网的无线传感器网络中压缩感知研究
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-21页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 面向物联网的无线传感器网络概述 | 第12-16页 |
| 1.2.1 物联网的体系结构 | 第12-13页 |
| 1.2.2 无线传感器网络的体系结构及特点 | 第13-15页 |
| 1.2.3 无线传感器网络的关键技术 | 第15-16页 |
| 1.2.4 无线传感器网络与物联网的关系 | 第16页 |
| 1.3 压缩感知研究现状 | 第16-19页 |
| 1.3.1 传统压缩感知研究现状 | 第17页 |
| 1.3.2 分布式压缩感知研究现状 | 第17-19页 |
| 1.4 本文的工作及内容安排 | 第19-21页 |
| 2 无线传感器网络中的压缩感知 | 第21-37页 |
| 2.1 压缩感知的基本概念 | 第21-24页 |
| 2.1.1 可稀疏信号 | 第21-22页 |
| 2.1.2 非相关观测 | 第22-23页 |
| 2.1.3 信号的恢复重构 | 第23-24页 |
| 2.2 传统压缩感知方法 | 第24-31页 |
| 2.2.1 观测矩阵 | 第25-27页 |
| 2.2.2 稀疏矩阵 | 第27-31页 |
| 2.2.3 重构算法 | 第31页 |
| 2.3 分布式压缩感知 | 第31-36页 |
| 2.3.1 时空相关性 | 第32-33页 |
| 2.3.2 联合稀疏模型 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 自适应压缩感知ACS | 第37-55页 |
| 3.1 自适应思想 | 第37-41页 |
| 3.1.1 自适应观测量M值选取 | 第37-39页 |
| 3.1.2 自适应观测矩阵的设计 | 第39-41页 |
| 3.2 正交匹配追踪法及其改进算法 | 第41-47页 |
| 3.3 自适应分段正交匹配追踪法 | 第47-53页 |
| 3.4 本章小结 | 第53-55页 |
| 4 具有时间相关性的分布式压缩感知信号处理 | 第55-73页 |
| 4.1 时间相关性研究 | 第55-64页 |
| 4.1.1 一元线性回归模型 | 第56-57页 |
| 4.1.2 一元线性回归模型算法描述 | 第57-59页 |
| 4.1.3 一元线性回归模型算法仿真与评价 | 第59-60页 |
| 4.1.4 置信区间 | 第60-62页 |
| 4.1.5 基于置信区间的一元线性回归模型 | 第62-64页 |
| 4.2 改进的JSM-3 | 第64-65页 |
| 4.3 基于置信区间一元线性回归模型算法调整 | 第65-67页 |
| 4.4 压缩矩阵pcm的设计 | 第67-72页 |
| 4.5 本章小结 | 第72-73页 |
| 5 总结与展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 作者简历 | 第81-83页 |
| 学位论文数据集 | 第83页 |
