超宽带信号高效稀疏表示方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状与分析 | 第10-15页 |
| 1.3.1 国内外研究现状 | 第11-14页 |
| 1.3.2 国内外研究现状简析 | 第14-15页 |
| 1.4 本文的主要研究内容与结构安排 | 第15-17页 |
| 第2章 稀疏表示和超宽带技术 | 第17-29页 |
| 2.1 稀疏表示 | 第17-21页 |
| 2.1.1 压缩感知理论概述 | 第17-18页 |
| 2.1.2 信号的稀疏表示 | 第18-20页 |
| 2.1.3 稀疏表示的实际应用 | 第20-21页 |
| 2.2 超宽带技术 | 第21-28页 |
| 2.2.1 超宽带的定义及其技术特点 | 第21-24页 |
| 2.2.2 超宽带信号的类型及生成 | 第24-25页 |
| 2.2.3 超宽带信号的稀疏性分析 | 第25-27页 |
| 2.2.4 超宽带技术面临的挑战 | 第27页 |
| 2.2.5 超宽带技术的主要应用 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于K-SVD训练算法的聚类字典构建 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 字典训练 | 第29-31页 |
| 3.3 基于K-SVD训练方法的聚类字典构建 | 第31-40页 |
| 3.3.1 K均值聚类简介 | 第31-34页 |
| 3.3.2 基于K-SVD训练算法的聚类字典构建 | 第34-37页 |
| 3.3.3 仿真实验结果及分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于集合划分思想的稀疏分解算法 | 第41-52页 |
| 4.1 引言 | 第41页 |
| 4.2 时频原子分解 | 第41-42页 |
| 4.3 匹配追踪算法 | 第42-44页 |
| 4.4 基于集合划分思想的稀疏分解算法 | 第44-46页 |
| 4.5 仿真实验结果及分析 | 第46-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-61页 |
| 致谢 | 第61页 |
