| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-28页 |
| ·研究背景和意义 | 第13-15页 |
| ·国内外研究现状 | 第15-26页 |
| ·本文的研究内容与主要贡献 | 第26-28页 |
| 第二章 部分支撑已知的压缩感知理论 | 第28-53页 |
| ·概述 | 第28-29页 |
| ·Modifed-CS模型与信号重构的充分必要条件 | 第29-32页 |
| ·Modifed-CS模型可恢复能力的概率估计 | 第32-36页 |
| ·Modifed-CS模型的容错性分析 | 第36-44页 |
| ·部分支撑已知的l_p(0 < p < 1)最小化模型可恢复性分析 | 第44-47页 |
| ·应用：OFDM快时变信道估计 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 第三章 非均匀稀疏度信号压缩感知重构 | 第53-66页 |
| ·概述 | 第53页 |
| ·加权l_1最小化压缩感知重构模型 | 第53-54页 |
| ·加权l_1最小化模型信号重构的充分必要条件 | 第54-57页 |
| ·加权l_1最小化模型的最优权重选择 | 第57-60页 |
| ·小波域加权l_1最小化压缩感知重构算法及合成孔径雷达图像重建 | 第60-63页 |
| ·本章小节 | 第63-66页 |
| 第四章 统计信息挖掘的压缩感知在光功率监控中的应用 | 第66-73页 |
| ·概述 | 第66-67页 |
| ·贝叶斯框架下的压缩感知视角 | 第67-68页 |
| ·用于光功率监控的压缩感知模型与算法 | 第68-69页 |
| ·实验结果 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 噪声情况下的稀疏信号压缩感知重构 | 第73-82页 |
| ·概述 | 第73-74页 |
| ·问题表述 | 第74-76页 |
| ·联合参数选择与阈值的扩展Lasso方法 | 第76-80页 |
| ·仿真实验 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 结论与展望 | 第82-84页 |
| 参考文献 | 第84-97页 |
| 攻读博士学位期间的研究成果 | 第97-99页 |
| 致谢 | 第99-100页 |
| 附件 | 第100页 |
