首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

快速块稀疏贝叶斯学习算法的理论与应用

本文所用的缩略语列表第11-12页
本文所用的数学符号列表第12-14页
摘要第14-16页
ABSTRACT第16-17页
第一章 绪论第18-30页
    1.1 研究背景与意义第18页
    1.2 问题描述及研究现状第18-27页
        1.2.1 压缩感知数学模型第18-22页
        1.2.2 压缩感知重构算法第22-25页
        1.2.3 块稀疏贝叶斯学习中存在的问题第25-27页
    1.3 本文研究内容及主要工作第27-28页
    1.4 论文组织结构第28-30页
第二章 单观测矢量模型快速块稀疏贝叶斯算法第30-56页
    2.1 引言第30-31页
    2.2 块稀疏贝叶斯学习算法第31-36页
        2.2.1 数学模型第31-32页
        2.2.2 块稀疏贝叶斯学习算法推导第32-36页
    2.3 快速块稀疏贝叶斯学习算法第36-42页
        2.3.1 数学模型第36-37页
        2.3.2 算法推导第37-40页
        2.3.3 BSBL-FM算法第40-41页
        2.3.4 算法复杂性分析第41-42页
    2.4 仿真实验设置第42-45页
        2.4.1 评估对象第42-43页
        2.4.2 评价指标第43页
        2.4.3 仿真信号生成第43-45页
    2.5 实验结果及讨论第45-51页
        2.5.1 块稀疏信号的生成及重构仿真第45-46页
        2.5.2 稀疏重构算法的相变曲线性能第46-48页
        2.5.3 有噪情形下的块稀疏信号重构第48-50页
        2.5.4 实验结果讨论第50-51页
    2.6 复信号的BSBL-FM重构算法第51-54页
        2.6.1 复信号的BSBL重构算法第51-52页
        2.6.2 复信号的BSBL-FM重构算法第52-54页
    2.7 本章小结第54-56页
第三章 多观测矢量模型快速块稀疏贝叶斯学习算法第56-88页
    3.1 引言第56-57页
    3.2 时域相关模型快速贝叶斯学习算法第57-64页
        3.2.1 数学模型第57-59页
        3.2.2 TSBL-FM算法推导第59-63页
        3.2.3 TSBL-FM算法实现第63-64页
    3.3 TSBL-FM算法仿真实验第64-73页
        3.3.1 评估对象第64页
        3.3.2 评估指标第64-65页
        3.3.3 时域相关MMV信号第65-66页
        3.3.4 时域相关MMV信号的稀疏重构第66-69页
        3.3.5 源定位问题应用评估第69-73页
    3.4 空时块稀疏模型快速贝叶斯学习算法第73-80页
        3.4.1 数学模型第74-75页
        3.4.2 STSBL-FM算法推导第75-79页
        3.4.3 STSBL-FM算法实现第79-80页
    3.5 STSBL-FM算法仿真实验第80-86页
        3.5.1 实验设置第80-81页
        3.5.2 空时块稀疏信号的重构仿真第81-84页
        3.5.3 多通道生理数据的压缩与重构第84-86页
    3.6 本章小结第86-88页
第四章 量化压缩信号的贝叶斯学习算法第88-112页
    4.1 引言第88-90页
        4.1.1 应用背景第88-89页
        4.1.2 量化压缩感知第89-90页
        4.1.3 本章研究内容第90页
    4.2 量化压缩感知的数学模型第90-94页
        4.2.1 模拟CS第92页
        4.2.2 数字CS第92页
        4.2.3 数字CS下的量化压缩第92-94页
    4.3 贝叶斯量化重构算法第94-99页
        4.3.1 量化压缩感知的贝叶斯分层模型第94-95页
        4.3.2 贝叶斯量化重构算法第95-99页
    4.4 仿真实验及性能评估第99-108页
        4.4.1 测试数据集描述第99-100页
        4.4.2 实验设计第100-101页
        4.4.3 评估指标第101-102页
        4.4.4 参评算法第102-103页
        4.4.5 实验结果及讨论第103-108页
    4.5 量化压缩感知实现方法及意义第108-110页
        4.5.1 量化算子Q(·)第108-110页
        4.5.2 量化压缩感知数据压缩的低功耗特性第110页
    4.6 本章小结第110-112页
第五章 压缩感知低功耗数据压缩应用及评估第112-132页
    5.1 引言第112页
    5.2 压缩感知数据压缩方法的应用评估第112-124页
        5.2.1 实验设置第112-115页
        5.2.2 FECG无线传输与监测应用第115-119页
        5.2.3 EEG无线传输与癫痫检测应用第119-124页
    5.3 压缩感知数据压缩方法的硬件实现与功耗评估第124-131页
        5.3.1 压缩算法的FPGA实现第125-128页
        5.3.2 性能与功耗评估第128-131页
    5.4 本章小结第131-132页
第六章 总结与展望第132-136页
    6.1 本文主要贡献第132-133页
    6.2 下一步研究方向第133-136页
致谢第136-138页
参考文献第138-156页
作者在学期间取得的学术成果第156-158页
附录A 常用数学等式第158-160页
    A.1 Kronecker积的性质第158页
    A.2 矩阵的迹与Frobenius范数第158-160页
附录B 矩阵求导与矩阵恒等式第160-168页
    B.1 矩阵恒等式第160-163页
        B.1.1 块矩阵求逆第160页
        B.1.2 矩阵求逆等式第160-162页
        B.1.3 矩阵求导公式第162-163页
    B.2 标量、向量与矩阵正态分布的定义第163-168页
        B.2.1 高斯恒等式第164-165页
        B.2.2 矩阵正态分布的高斯恒等式第165-168页
附录C 快速BSBL算法参量更新公式推导与算法实现第168-175页
    C.1 BSBL-FM参量更新公式推导第168-174页
        C.1.1 表达式说明第168-169页
        C.1.2 初始化 (Block Initialize)第169-170页
        C.1.3 基的选择方法第170页
        C.1.4 块添加 (Block Add)第170-172页
        C.1.5 块重估 (Block Re-estimate)第172-174页
        C.1.6 块删除 (Block Delete)第174页
    C.2 STSBL-FM时域相关矩阵更新公式推导第174-175页

论文共175页,点击 下载论文
上一篇:多项目关键链柔性资源配置模型及其算法研究
下一篇:基于稀疏贝叶斯重构方法的雷达成像技术研究