| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-15页 |
| ·分布式网络概述 | 第11-12页 |
| ·分布式信源编码 | 第12-14页 |
| ·新一代信号采样压缩技术--压缩感知理论简介 | 第14-15页 |
| ·本文的着眼点以及结构安排 | 第15-17页 |
| 第二章 压缩感知理论的基本原理及应用 | 第17-26页 |
| ·传统的信号处理方法 | 第18-19页 |
| ·压缩感知理论框架 | 第19-24页 |
| ·信号的稀疏变换 | 第19-21页 |
| ·信号的压缩测量 | 第21-23页 |
| ·稀疏信号的重构 | 第23-24页 |
| ·存在的问题与研究现状 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 分布式压缩感知的相关性建模及稀疏重建算法 | 第26-40页 |
| ·分布式压缩感知(DISTRIBUTED COMPRESSIVE SENSING) | 第27-28页 |
| ·联合稀疏模型(JOINT SPARSITY MODELS) | 第28-31页 |
| ·JSM-1 | 第28-30页 |
| ·JSM-2 | 第30页 |
| ·JSM-3 | 第30-31页 |
| ·基于L1的联合稀疏重建 | 第31-33页 |
| ·仿真实验 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于稀疏滤波器相关性模型的分布式压缩视频感知 | 第40-52页 |
| ·DCVS理论 | 第41-42页 |
| ·SFCM模型 | 第42-44页 |
| ·分布式压缩视频感知实现方案 | 第44-45页 |
| ·信源模型 | 第44页 |
| ·DCVS框架结构 | 第44-45页 |
| ·译码算法 | 第45-47页 |
| ·仿真结果 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 结束语 | 第52-55页 |
| ·完成的工作与成果 | 第52-54页 |
| ·未来的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表的学术论文 | 第60页 |
