基于分布式递归最小二乘算法的网络化稀疏信号处理研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 网络化信号处理 | 第8-11页 |
| 1.2 稀疏信号与压缩感知理论 | 第11-15页 |
| 1.2.1 稀疏信号 | 第11-13页 |
| 1.2.2 压缩感知理论 | 第13-15页 |
| 1.3 稀疏信号估计算法 | 第15-18页 |
| 1.3.1 贪婪迭代算法 | 第15-17页 |
| 1.3.2 凸松弛算法 | 第17页 |
| 1.3.3 非凸优化算法 | 第17-18页 |
| 1.4 本文主要内容和章节安排 | 第18-20页 |
| 2 基于递归最小二乘的分布式估计 | 第20-26页 |
| 2.1 信号模型 | 第20页 |
| 2.2 集中式估计算法 | 第20-21页 |
| 2.3 分布式递归最小二乘估计 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 分布式稀疏递归最小二乘估计 | 第26-47页 |
| 3.1 分布式稀疏信号估计问题 | 第26-28页 |
| 3.2 分布式稀疏递归最小二乘估计 | 第28-32页 |
| 3.2.1 期望最大化(EM)算法 | 第28-31页 |
| 3.2.2 分布式稀疏RLS算法 | 第31-32页 |
| 3.3 基于稀疏正则化的分布式稀疏RLS算法 | 第32-37页 |
| 3.3.1 基于l_1-范数正则化的稀疏估计 | 第32-33页 |
| 3.3.2 基于l_0-范数正则化的稀疏估计 | 第33-35页 |
| 3.3.3 基于l_p-范数正则化的稀疏估计 | 第35-36页 |
| 3.3.4 基于连续幂函数正则化的稀疏估计 | 第36-37页 |
| 3.4 算法性能仿真分析 | 第37-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 时变稀疏信号的分布式递归最小二乘估计 | 第47-58页 |
| 4.1 时变稀疏信号模型 | 第47-49页 |
| 4.2 时变稀疏信号的分布式RLS估计 | 第49-54页 |
| 4.2.1 分布式时变稀疏RLS算法 | 第49-51页 |
| 4.2.2 基于加权l_1-范数正则化的稀疏估计 | 第51-54页 |
| 4.3 算法性能仿真分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-66页 |
