压缩感知系统中观测矩阵优化算法的研究
| 符号说明 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外的研究现状及趋势 | 第15-17页 |
| 1.3 研究目标和内容 | 第17页 |
| 1.4 章节安排 | 第17-19页 |
| 第2章 压缩感知理论 | 第19-36页 |
| 2.1 基础知识介绍 | 第19-21页 |
| 2.2 压缩感知理论的基本框架 | 第21-23页 |
| 2.3 信号的稀疏表示 | 第23-25页 |
| 2.4 测量矩阵 | 第25-28页 |
| 2.4.1 构造测量矩阵的RIP准则 | 第25-26页 |
| 2.4.2 构造测量矩阵的不相关性准则 | 第26-27页 |
| 2.4.3 常用的测量矩阵分类 | 第27-28页 |
| 2.5 原始信号的重构算法 | 第28-31页 |
| 2.6 压缩感知的仿真实验 | 第31-35页 |
| 2.6.1 一维信号的仿真实验 | 第31-32页 |
| 2.6.2 二维图像的仿真实验 | 第32-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第3章 测量矩阵优化设计 | 第36-48页 |
| 3.1 问题的形成 | 第36-37页 |
| 3.2 Elad的优化算法 | 第37-41页 |
| 3.2.1 算法的理论简介 | 第37-39页 |
| 3.2.2 算法步骤概述 | 第39-40页 |
| 3.2.3 算法的仿真分析 | 第40-41页 |
| 3.3 DCS测量矩阵优化算法 | 第41-44页 |
| 3.3.1 算法的理论简介 | 第42-43页 |
| 3.3.2 算法步骤概述 | 第43-44页 |
| 3.4 Elad优化算法和DCS算法的仿真对比 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 一种新的测量矩阵优化算法 | 第48-66页 |
| 4.1 算法设计思想 | 第48-54页 |
| 4.1.1 基于单位阵的Gram矩阵的优化算法 | 第48-49页 |
| 4.1.2 基于等角紧框架Gram矩阵的优化算法 | 第49-50页 |
| 4.1.3 一种基于融合测度的测量矩阵优化新算法 | 第50-54页 |
| 4.2 算法设计步骤 | 第54页 |
| 4.3 仿真实验及结果分析 | 第54-64页 |
| 4.3.1 一维信号压缩的仿真实验分析 | 第55-60页 |
| 4.3.2 图像压缩的仿真实验分析 | 第60-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第5章 一种基于梯度的测量矩阵优化算法 | 第66-75页 |
| 5.1 算法设计思想 | 第66-69页 |
| 5.1.1 基于Frobenius范数的梯度算法 | 第66-67页 |
| 5.1.2 一种新的基于加权l_1范数的梯度算法 | 第67-69页 |
| 5.2 算法步骤描述 | 第69-70页 |
| 5.3 仿真实验与结果分析 | 第70-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 研究总结 | 第75-76页 |
| 6.2 对压缩感知发展的展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间参加的科研项目和成果 | 第83页 |
