压缩感知中测量矩阵构造与优化的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 理论背景 | 第11-14页 |
| 1.1.1 压缩感知理论 | 第11-13页 |
| 1.1.2 重构算法 | 第13-14页 |
| 1.2 测量矩阵研究意义 | 第14页 |
| 1.3 测量矩阵研究现状及面临的问题 | 第14-16页 |
| 1.4 本文主要研究内容与结构安排 | 第16-18页 |
| 2 常用的测量矩阵构造与优化方法 | 第18-29页 |
| 2.1 常用测量矩阵构造方法 | 第18-24页 |
| 2.1.1 随机测量矩阵 | 第18-19页 |
| 2.1.2 部分正交测量矩阵 | 第19-20页 |
| 2.1.3 结构化测量矩阵 | 第20-22页 |
| 2.1.4 编码测量矩阵 | 第22-24页 |
| 2.2 常用测量矩阵优化方法 | 第24-28页 |
| 2.2.1 t-均值互相关系数优化算法 | 第24-26页 |
| 2.2.2 基于梯度下降法的优化算法 | 第26-28页 |
| 2.2.3 有效投影法 | 第28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 分块的有序范德蒙矩阵 | 第29-42页 |
| 3.1 自然图像在常用稀疏域中系数分布特点 | 第29-31页 |
| 3.2 分块的有序范德蒙矩阵构造方法 | 第31-35页 |
| 3.2.1 范德蒙矩阵 | 第32-33页 |
| 3.2.2 分块的范德蒙矩阵 | 第33-34页 |
| 3.2.3 分块的有序范德蒙矩阵 | 第34-35页 |
| 3.3 仿真实验与分析 | 第35-40页 |
| 3.4 本章小结 | 第40-42页 |
| 4 基于幂曲线映射的优化算法 | 第42-53页 |
| 4.1 互相关系数和幂曲线映射 | 第42-45页 |
| 4.2 基于幂曲线映射优化算法 | 第45-46页 |
| 4.3 仿真实验与分析 | 第46-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 结论 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第59-61页 |
| 学位论文数据集 | 第61页 |
