基于贝叶斯推断的基带信号压缩恢复算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 缩略语表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.3 主要研究内容 | 第17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 相关向量机和贝叶斯推断 | 第19-35页 |
| 2.1 相关向量机 | 第19-20页 |
| 2.2 回归问题中的贝叶斯学习 | 第20-30页 |
| 2.2.1 系统模型 | 第20-22页 |
| 2.2.2 模型求解 | 第22-30页 |
| 2.3 贝叶斯压缩感知 | 第30-33页 |
| 2.4 本章总结 | 第33-35页 |
| 第三章 基于贝叶斯推断的基带信号压缩恢复算法 | 第35-54页 |
| 3.1 系统模型 | 第35-37页 |
| 3.1.1 混合高斯模型 | 第35-37页 |
| 3.2 二元实数基带信号压缩恢复算法设计 | 第37-43页 |
| 3.2.1 基带信号的先验分布模型 | 第37-39页 |
| 3.2.2 算法设计 | 第39-43页 |
| 3.3 多元复数基带信号压缩恢复算法 | 第43-48页 |
| 3.3.1 基带信号的先验分布模型 | 第43-48页 |
| 3.4 仿真结果 | 第48-53页 |
| 3.5 本章总结 | 第53-54页 |
| 第四章 具有频域噪声的基带信号压缩恢复算法 | 第54-70页 |
| 4.1 系统模型 | 第54-56页 |
| 4.1.1 信号模型 | 第54页 |
| 4.1.2 基带信号与频域噪声的先验分布模型 | 第54-56页 |
| 4.2 具有频域噪声的基带信号压缩恢复算法 | 第56-65页 |
| 4.2.1 算法设计 | 第56-61页 |
| 4.2.2 仿真结果 | 第61-65页 |
| 4.3 基带信号和频域噪声并联压缩恢复算法 | 第65-69页 |
| 4.3.1 算法设计 | 第65-66页 |
| 4.3.2 仿真结果 | 第66-69页 |
| 4.4 本章总结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 本文总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻硕期间取得的研究成果 | 第76-77页 |
| 学位论文评审后修改说明表 | 第77-78页 |
