| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题的研究来源 | 第8页 |
| 1.2 课题研究背景、目的及意义 | 第8-10页 |
| 1.2.1 研究背景 | 第8-9页 |
| 1.2.2 研究目的 | 第9-10页 |
| 1.2.3 研究意义 | 第10页 |
| 1.3 燃气调压器压力检测现状 | 第10-13页 |
| 1.3.1 燃气调压器简介 | 第10-12页 |
| 1.3.2 调压技术研究现状 | 第12-13页 |
| 1.4 压缩感知研究现状 | 第13-14页 |
| 1.4.1 压缩感知技术的国外研究现状 | 第13-14页 |
| 1.4.2 压缩感知技术的国内研究现状 | 第14页 |
| 1.5 课题主要研究内容及论文组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 2 压缩感知理论基础 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 压缩感知理论框架 | 第16-26页 |
| 2.2.1 问题描述 | 第17-19页 |
| 2.2.2 信号的稀疏表示 | 第19-21页 |
| 2.2.3 信号的观测矩阵 | 第21-22页 |
| 2.2.4 信号重构算法 | 第22-24页 |
| 2.2.5 最稀疏解的唯一性 | 第24-26页 |
| 2.3 压缩感知的优势及不足 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于压缩感知的电动燃气调压器气压检测模型 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 基于压缩感知的气压检测流程图 | 第29-33页 |
| 3.2.1 多点检测 | 第29-31页 |
| 3.2.2 基于压缩感知的检测模型 | 第31-33页 |
| 3.3 应用压缩感知技术的可行性分析 | 第33-36页 |
| 3.3.1 气压信息的时空特性 | 第33-34页 |
| 3.3.2 基于压缩感知的气压信号随机稀疏采样 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 传感器阵列的信号重构算法 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 原始信号的稀疏性验证 | 第37-40页 |
| 4.2.1 进.气压在离散余弦域（DCT）的稀疏效果 | 第39页 |
| 4.2.2 进.气压在离散小波变换域（DWT）的稀疏效果 | 第39-40页 |
| 4.3 观测矩阵的选择 | 第40-41页 |
| 4.4 电动燃气调压器进.气压信号重构 | 第41-44页 |
| 4.4.1 正交匹配追踪算法OMP | 第41-42页 |
| 4.4.2 基追踪算法BP | 第42-43页 |
| 4.4.3 稀疏度自适应匹配追踪算法SAMP | 第43-44页 |
| 4.5 电动燃气调压器气压数据丢失重构算法 | 第44-46页 |
| 4.6 归一化处理 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 5 实验结果分析 | 第48-59页 |
| 5.1 引言 | 第48页 |
| 5.2 试验环境和参数设定 | 第48页 |
| 5.3 试验结果 | 第48-54页 |
| 5.3.1 三种重构算法的重构视觉效果图 | 第48-53页 |
| 5.3.2 OMP重构算法在数据丢失情况下的重构视觉效果图 | 第53-54页 |
| 5.4 算法性能分析 | 第54-58页 |
| 5.4.1 算法性能指标 | 第54页 |
| 5.4.2 算法性能分析 | 第54-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
| A.作者在攻读学位期间参与的科研项目 | 第66页 |
