| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 压缩感知国内外研究进展 | 第16-22页 |
| 1.2.1 信号的稀疏变换研究现状 | 第16-18页 |
| 1.2.2 观测矩阵构造研究现状 | 第18-20页 |
| 1.2.3 重构算法研究现状 | 第20-22页 |
| 1.3 论文的主要内容 | 第22-23页 |
| 1.4 论文结构 | 第23-25页 |
| 第二章 压缩感知理论介绍 | 第25-36页 |
| 2.1 引言 | 第25页 |
| 2.2 基础数学概念 | 第25-29页 |
| 2.2.1 向量空间 | 第25-27页 |
| 2.2.2 内积 | 第27页 |
| 2.2.3 支撑集 | 第27-28页 |
| 2.2.4 欠定、适定、超定方程组 | 第28页 |
| 2.2.5 空间中的基 | 第28-29页 |
| 2.3 稀疏表示模型 | 第29-30页 |
| 2.4 观测矩阵 | 第30-34页 |
| 2.4.1 零空间条件 | 第31页 |
| 2.4.2 spark常数 | 第31-32页 |
| 2.4.3 约束等距性 | 第32-33页 |
| 2.4.4 相干性 | 第33-34页 |
| 2.5 重建算法 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于压缩感知的判别性稀疏表示方法 | 第36-55页 |
| 3.1 基于判别性的稀疏表示方法 | 第36-38页 |
| 3.2 常用行人特征 | 第38-42页 |
| 3.2.1 SIFT特征 | 第38-39页 |
| 3.2.2 SURF特征 | 第39页 |
| 3.2.3 Haar特征 | 第39页 |
| 3.2.4 HOG特征 | 第39-40页 |
| 3.2.5 LBP特征 | 第40-41页 |
| 3.2.6 LSS特征 | 第41-42页 |
| 3.2.7 特征分析 | 第42页 |
| 3.3 基于判别性的稀疏表示方法的行人检测实验 | 第42-54页 |
| 3.3.1 构造行人特征冗余字典集 | 第43-44页 |
| 3.3.2 实验准备 | 第44页 |
| 3.3.3 确定参数 | 第44-45页 |
| 3.3.4 以INRIA数据集为基础的稀疏特征对比实验 | 第45-47页 |
| 3.3.5 以Daimler数据集为基础的稀疏特征对比实验 | 第47-50页 |
| 3.3.6 稀疏融合特征实验 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 基于混沌序列的非相关轮换观测矩阵构造方法研究 | 第55-75页 |
| 4.1 常用的观测矩阵 | 第55-60页 |
| 4.1.1 高斯随机观测矩阵 | 第56页 |
| 4.1.2 伯努利随机观测矩阵 | 第56-57页 |
| 4.1.3 部分哈达玛观测矩阵 | 第57页 |
| 4.1.4 部分傅里叶观测矩阵 | 第57-58页 |
| 4.1.5 稀疏随机观测矩阵 | 第58页 |
| 4.1.6 托普利兹观测矩阵和循环观测矩阵 | 第58-59页 |
| 4.1.7 克罗内克积观测矩阵 | 第59页 |
| 4.1.8 常用观测矩阵的相关性分析 | 第59-60页 |
| 4.2 常用的离散混沌系统 | 第60-63页 |
| 4.2.1 Logistic映射系统 | 第61页 |
| 4.2.2 Tent映射系统 | 第61-62页 |
| 4.2.3 Cat映射系统 | 第62-63页 |
| 4.3 非相关轮换混沌观测矩阵的设计 | 第63-65页 |
| 4.4 仿真实验与分析 | 第65-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 基于稀疏度估计的自适应匹配追踪重建算法研究 | 第75-92页 |
| 5.1 引言 | 第75页 |
| 5.2 常用的贪婪重建算法 | 第75-85页 |
| 5.2.1 匹配追踪算法(MP) | 第76页 |
| 5.2.2 正交匹配追踪算法(OMP) | 第76-77页 |
| 5.2.3 广义正交匹配追踪算法(GOMP) | 第77-78页 |
| 5.2.4 分段正交匹配追踪算法(StOMP) | 第78-79页 |
| 5.2.5 分段弱正交匹配追踪算法(SWOMP) | 第79页 |
| 5.2.6 稀疏度自适应匹配追踪算法(SAMP) | 第79-80页 |
| 5.2.7 正则化正交匹配追踪算法(ROMP) | 第80-81页 |
| 5.2.8 压缩采样匹配追踪算法(CoSaMP) | 第81-82页 |
| 5.2.9 子空间追踪算法(SP) | 第82-83页 |
| 5.2.10 追踪算法实验分析 | 第83-85页 |
| 5.3 基于稀疏度估计的自适应匹配追踪重建算法 | 第85-86页 |
| 5.4 实验分析 | 第86-90页 |
| 5.4.1 基于随机观测矩阵的重建算法性能分析 | 第86-88页 |
| 5.4.2 基于IRC观测矩阵的重建算法性能分析 | 第88-90页 |
| 5.5 本章小结 | 第90-92页 |
| 第六章 总结与展望 | 第92-94页 |
| 6.1 本文研究内容总结 | 第92-93页 |
| 6.2 后续研究展望 | 第93-94页 |
| 参考文献 | 第94-107页 |
| 附录 | 第107-109页 |
| 学术论文 | 第107-108页 |
| 发明专利 | 第108页 |
| 科研项目 | 第108-109页 |
| 致谢 | 第109-110页 |
