| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-10页 |
| 1.3 本文的主要工作和结构安排 | 第10-12页 |
| 1.3.1 主要研究工作 | 第10页 |
| 1.3.2 本文结构安排 | 第10-12页 |
| 2 压缩感知理论概述 | 第12-22页 |
| 2.1 压缩感知原理 | 第12-15页 |
| 2.1.1 线性观测过程 | 第12-13页 |
| 2.1.2 稀疏信号精确恢复的条件 | 第13-14页 |
| 2.1.3 稀疏信号重构过程 | 第14-15页 |
| 2.2 稀疏信号重构算法 | 第15-20页 |
| 2.2.1 凸优化算法 | 第15-17页 |
| 2.2.2 贪婪算法 | 第17-20页 |
| 2.2.3 组合算法 | 第20页 |
| 2.3 神经动力学优化方法 | 第20-22页 |
| 3 神经动力学优化模型的并行算法设计 | 第22-38页 |
| 3.1 神经动力学优化模型 | 第22-27页 |
| 3.1.1 模型的表述 | 第22-24页 |
| 3.1.2 参数调整策略 | 第24-25页 |
| 3.1.3 动力学方程求解 | 第25-27页 |
| 3.2 总体并行方案 | 第27-28页 |
| 3.3 求逆矩阵的并行算法设计 | 第28-35页 |
| 3.3.1 B=AA~T的并行算法 | 第31-33页 |
| 3.3.2 D_(11),D_(01)和D_(21)的并行算法 | 第33-34页 |
| 3.3.3 D_(ij)(i=0,1,2；j=0,2)的并行算法 | 第34-35页 |
| 3.4 求解微分方程组的并行算法设计 | 第35-38页 |
| 4 实验研究和在压缩图像恢复中的应用 | 第38-53页 |
| 4.1 逆矩阵并行求解模块实验 | 第39-41页 |
| 4.2 一维仿真信号恢复实验 | 第41-48页 |
| 4.2.1 稀疏信号恢复性能的实验分析 | 第42-46页 |
| 4.2.2 稀疏信号恢复计算效率的实验分析 | 第46-48页 |
| 4.3 在压缩图像恢复中的应用研究 | 第48-53页 |
| 4.3.1 图像压缩与恢复 | 第48-51页 |
| 4.3.2 图像恢复性能与计算效率 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |