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 |