摘要 | 第6-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第11-18页 |
1.1 课题研究背景及意义 | 第11-12页 |
1.2 海洋观测研究现状 | 第12-14页 |
1.2.1 海洋采样平台发展现状 | 第12-13页 |
1.2.2 海洋采样策略研究现状 | 第13-14页 |
1.3 压缩感知理论研究现状 | 第14-16页 |
1.3.1 稀疏表示研究现状 | 第15页 |
1.3.2 .信号重构研究现状 | 第15-16页 |
1.4 课题主要研究内容及章节安排 | 第16-18页 |
第2章 温度场采样和重构相关基础知识 | 第18-30页 |
2.1 海水温度场变异性分析方法 | 第18-21页 |
2.1.1 地理统计学变异性分析基础知识 | 第18-19页 |
2.1.2 变异函数拟合方法 | 第19-21页 |
2.2 海水温度场梯度特性分析方法 | 第21-24页 |
2.2.1 基于梯度算子的梯度特性分析方法 | 第21-22页 |
2.2.2 K-Means聚类分析算法 | 第22-24页 |
2.3 压缩感知稀疏表示理论基础 | 第24-26页 |
2.3.1 压缩感知稀疏表示基本模型 | 第24-25页 |
2.3.2 稀疏表示与K-Means算法 | 第25-26页 |
2.4 压缩感知测量矩阵的选取 | 第26页 |
2.5 压缩感知信号重构基础 | 第26-29页 |
2.5.1 压缩感知信号重构基本模型 | 第27-28页 |
2.5.2 基于0l范数的贪婪重构算法 | 第28-29页 |
2.6 分块压缩感知理论基础 | 第29页 |
2.7 本章小结 | 第29-30页 |
第3章 基于海水温度场特性的采样点优化配置方法设计 | 第30-43页 |
3.1 采样点优化配置方法流程 | 第30-31页 |
3.2 基于海水温度场特性的海采样方法设计 | 第31-34页 |
3.2.1 基于变异性分析的采样设计 | 第31-32页 |
3.2.2 基于梯度分析的采样设计 | 第32-34页 |
3.3 基于海水温度场特性的采样点配置方案仿真实验 | 第34-42页 |
3.3.1 实验区域选取 | 第34-35页 |
3.3.2 变异性分析和采样率优化仿真实验 | 第35-39页 |
3.3.3 梯度分析和采样点优化配置仿真实验 | 第39-42页 |
3.4 本章小结 | 第42-43页 |
第4章 基于K-SVD字典学习的海水温度场重构方法 | 第43-53页 |
4.1 基于K-SVD字典学习算法的稀疏字典构建 | 第43-44页 |
4.2 测量矩阵的选取 | 第44-46页 |
4.3 ASMP稀疏度自适应重构算法 | 第46-48页 |
4.4 海水温度场重构仿真实验 | 第48-52页 |
4.4.1 仿真实验流程 | 第48页 |
4.4.2 实验结果和分析 | 第48-52页 |
4.5 本章小结 | 第52-53页 |
第5章 海水温度场采样和重构方法仿真实验 | 第53-62页 |
5.1 实验方法设计 | 第53-54页 |
5.2 采样点优化配置实验结果和分析 | 第54-57页 |
5.3 海水温度场重构实验结果和分析 | 第57-61页 |
5.5 本章小结 | 第61-62页 |
结论 | 第62-64页 |
参考文献 | 第64-70页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
致谢 | 第71页 |