| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-20页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 无线传感器网络概述 | 第12-16页 |
| 1.2.1 无线传感器网络的体系结构及特点 | 第12-14页 |
| 1.2.2 无线传感器网络的关键技术 | 第14-15页 |
| 1.2.3 无线传感器网络的应用 | 第15-16页 |
| 1.3 无线传感器网络中压缩感知算法的研究现状 | 第16-18页 |
| 1.4 本文主要工作及内容安排 | 第18-20页 |
| 2 无线传感器网络中的压缩感知 | 第20-31页 |
| 2.1 压缩感知介绍 | 第20-24页 |
| 2.1.1 预备基础知识 | 第20-23页 |
| 2.1.2 压缩感知过程 | 第23-24页 |
| 2.2 信号的稀疏化 | 第24-27页 |
| 2.3 信号的投影 | 第27-29页 |
| 2.4 信号的重构 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 应用于WSN的自适应压缩感知数据收集策略 | 第31-49页 |
| 3.1 压缩感知在无线传感器网络中的工作机制 | 第31-32页 |
| 3.2 基于自适应的压缩感知数据收集策略的原理 | 第32-33页 |
| 3.3 自适应压缩感知数据收集策略设计 | 第33-40页 |
| 3.3.1 数据收集策略压缩感知框架设计 | 第34-38页 |
| 3.3.2 自适应数据收集方式 | 第38-40页 |
| 3.4 仿真研究 | 第40-48页 |
| 3.4.1 利用二次拟合算法的稀疏基与原稀疏基对比 | 第40-43页 |
| 3.4.2 自适应压缩感知数据收集策略仿真分析 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 WSN中基于压缩感知的重构算法 | 第49-65页 |
| 4.1 基于l_1范数最小化的凸优化算法 | 第49-50页 |
| 4.2 贪婪算法 | 第50-56页 |
| 4.2.1 正交匹配追踪(OMP)算法 | 第50-51页 |
| 4.2.2 正则化正交匹配追踪(ROMP)算法 | 第51-52页 |
| 4.2.3 压缩采样匹配追踪(CoSaMP)算法 | 第52-53页 |
| 4.2.4 稀疏度自适应匹配追踪(SAMP)算法 | 第53-54页 |
| 4.2.5 经典算法的的仿真对比与分析 | 第54-56页 |
| 4.3 变步长的正则化回溯的自适应追踪算法 | 第56-60页 |
| 4.4 算法仿真与分析 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 5 总结与展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |