| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-31页 |
| 1.1 课题背景及研究目的 | 第15-19页 |
| 1.2 压缩感知以及测量矩阵和稀疏重建算法的研究现状 | 第19-25页 |
| 1.2.1 压缩感知 | 第19-22页 |
| 1.2.2 测量矩阵研究现状 | 第22-23页 |
| 1.2.3 稀疏重建算法研究现状 | 第23-25页 |
| 1.3 WCSS技术及其研究现状 | 第25-29页 |
| 1.3.1 频谱感知 | 第25-26页 |
| 1.3.2 WCSS技术 | 第26-27页 |
| 1.3.3 WCSS研究现状 | 第27-29页 |
| 1.4 本文的主要研究内容 | 第29-31页 |
| 第2章 基于紧缩和梯度下降的确定性测量矩阵构造算法 | 第31-45页 |
| 2.1 引言 | 第31页 |
| 2.2 问题描述 | 第31-33页 |
| 2.3 算法详述 | 第33-35页 |
| 2.4 收敛性分析 | 第35-37页 |
| 2.5 仿真结果及分析 | 第37-44页 |
| 2.5.1 相关性比较 | 第38-40页 |
| 2.5.2 重建性能比较 | 第40-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 基于SVD和梯度下降的确定性测量矩阵和感知字典同时构造算法 | 第45-65页 |
| 3.1 引言 | 第45-46页 |
| 3.2 感知字典 | 第46-47页 |
| 3.3 模型描述 | 第47-51页 |
| 3.4 算法详述 | 第51-54页 |
| 3.5 仿真结果及分析 | 第54-63页 |
| 3.5.1 收敛性分析 | 第55-56页 |
| 3.5.2 相关性和交互相关性比较 | 第56-58页 |
| 3.5.3 重建性能比较 | 第58-63页 |
| 3.6 本章小结 | 第63-65页 |
| 第4章 基于多候选估计融合的SMV鲁棒稀疏重建算法 | 第65-86页 |
| 4.1 引言 | 第65-66页 |
| 4.2 问题描述 | 第66-67页 |
| 4.3 噪声条件下OMP算法充分条件研究 | 第67-72页 |
| 4.4 多候选估计融合 | 第72-77页 |
| 4.4.1 多候选估计融合在降低重建误差方面的作用 | 第72-75页 |
| 4.4.2 多候选估计生成机制 | 第75-77页 |
| 4.5 算法及融合准则详述 | 第77-79页 |
| 4.6 仿真结果及分析 | 第79-84页 |
| 4.6.1 不同MNCNR条件下稀疏信号重建 | 第79-81页 |
| 4.6.2 算法与融合准则性能分析 | 第81-83页 |
| 4.6.3 重建性能比较 | 第83-84页 |
| 4.7 本章小结 | 第84-86页 |
| 第5章 基于感知字典的MMV联合稀疏重建算法 | 第86-100页 |
| 5.1 引言 | 第86页 |
| 5.2 问题描述 | 第86-88页 |
| 5.3 算法详述 | 第88-90页 |
| 5.4 收敛性分析 | 第90-94页 |
| 5.5 仿真结果及分析 | 第94-99页 |
| 5.5.1 不同L情况下重建性能比较 | 第95-97页 |
| 5.5.2 不同SNR情况下重建性能比较 | 第97-99页 |
| 5.6 本章小结 | 第99-100页 |
| 第6章 确定性测量矩阵和稀疏重建算法在WCSS中的应用研究 | 第100-131页 |
| 6.1 引言 | 第100-101页 |
| 6.2 单用户本地WCSS | 第101-115页 |
| 6.2.1 模型描述 | 第101-104页 |
| 6.2.2 已知稀疏表示矩阵情况下构造确定性测量矩阵 | 第104-106页 |
| 6.2.3 已知稀疏表示矩阵情况下设计重建算法 | 第106页 |
| 6.2.4 仿真结果及分析 | 第106-109页 |
| 6.2.5 实验结果及分析 | 第109-115页 |
| 6.3 多用户协同WCSS | 第115-130页 |
| 6.3.1 模型描述 | 第115-118页 |
| 6.3.2 稀疏度估计 | 第118-122页 |
| 6.3.3 仿真结果及分析 | 第122-127页 |
| 6.3.4 实验结果及分析 | 第127-130页 |
| 6.4 本章小结 | 第130-131页 |
| 结论 | 第131-134页 |
| 参考文献 | 第134-147页 |
| 攻读博士学位期间发表的论文及其他成果 | 第147-150页 |
| 致谢 | 第150-152页 |
| 个人简历 | 第152页 |
