摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第10-15页 |
1.1 研究的背景和意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 无线传感器网络中数据压缩的意义 | 第11页 |
1.2 研究现状 | 第11-13页 |
1.2.1 无线传感器网络的研究现状 | 第11-12页 |
1.2.2 无线传感器网络中分布式压缩感知研究现状 | 第12-13页 |
1.3 研究内容及研究成果 | 第13-14页 |
1.4 论文组织结构 | 第14-15页 |
第2章 无线传感器网络 | 第15-23页 |
2.1 无线传感器网络基本概念 | 第15-20页 |
2.1.1 发展历程 | 第15页 |
2.1.2 体系结构 | 第15-16页 |
2.1.3 节点结构 | 第16页 |
2.1.4 协议栈及通信体系 | 第16-17页 |
2.1.5 网络特点 | 第17-19页 |
2.1.6 应用领域 | 第19-20页 |
2.2 无线传感器网络中的数据压缩算法 | 第20-21页 |
2.3 本章小结 | 第21-23页 |
第3章 分布式压缩感知理论基础 | 第23-39页 |
3.1 压缩感知概述 | 第23-24页 |
3.2 分布式压缩感知概述 | 第24页 |
3.3 压缩感知数学模型 | 第24-25页 |
3.4 信号的稀疏表示 | 第25-27页 |
3.4.1 离散傅里叶变换和快速傅里叶变换 | 第26页 |
3.4.2 离散小波变换 | 第26-27页 |
3.4.3 超完备字典学习 | 第27页 |
3.5 观测矩阵 | 第27-28页 |
3.6 信号的重构 | 第28-31页 |
3.7 正交匹配追踪(OMP)算法 | 第31页 |
3.8 梯度追踪法及其改进 | 第31-34页 |
3.8.1 梯度法 | 第31-32页 |
3.8.2 改进的梯度追踪算法(IGP) | 第32-34页 |
3.9 算法适用性分析 | 第34-36页 |
3.10 仿真实验 | 第36-38页 |
3.11 本章小结 | 第38-39页 |
第4章 WSN中分布式压缩感知算法 | 第39-48页 |
4.1 分布式无线传感器网络结构 | 第39-40页 |
4.2 基于压缩感知的动态自组织成簇算法 | 第40-41页 |
4.3 联合稀疏模型 | 第41-43页 |
4.3.1 JSM-1 联合稀疏模型 | 第41-42页 |
4.3.2 JSM-2 联合稀疏模型 | 第42页 |
4.3.3 JSM-3 联合稀疏模型 | 第42-43页 |
4.4 WSN中基于JSM-1 联合稀疏模型分布式压缩感知 | 第43-45页 |
4.5 仿真实验 | 第45-47页 |
4.6 本章小结 | 第47-48页 |
结论 | 第48-50页 |
参考文献 | 第50-55页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第55-56页 |
致谢 | 第56页 |