基于压缩感知的无线传感器网络数据采集算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 课题背景及意义 | 第15-16页 |
| 1.2 压缩感知理论 | 第16-18页 |
| 1.2.1 信号的稀疏表示 | 第16-17页 |
| 1.2.2 压缩测量 | 第17-18页 |
| 1.3 稀疏表示的研究现状及分析 | 第18-19页 |
| 1.4 基于压缩感知的WSNs数据采集 | 第19-26页 |
| 1.4.1 压缩数据采集的研究现状 | 第19-22页 |
| 1.4.2 压缩数据采集的分析 | 第22-26页 |
| 1.5 本文的主要研究内容及章节安排 | 第26-29页 |
| 第2章 基于移动代理的WSNs稀疏数据采集算法 | 第29-54页 |
| 2.1 引言 | 第29-30页 |
| 2.2 基于移动代理的稀疏数据采集模型 | 第30-33页 |
| 2.2.1 模型描述 | 第30-32页 |
| 2.2.2 变异系数 | 第32-33页 |
| 2.3 稀疏数据采集算法 | 第33-40页 |
| 2.3.1 理论分析 | 第34-35页 |
| 2.3.2 算法详述 | 第35-38页 |
| 2.3.3 时间复杂度分析 | 第38-40页 |
| 2.4 仿真实验及结果分析 | 第40-53页 |
| 2.4.1 能量消耗均衡性能的比较 | 第40-48页 |
| 2.4.2 能量消耗的比较 | 第48-50页 |
| 2.4.3 稀疏数据重构性能的比较 | 第50-53页 |
| 2.5 本章小结 | 第53-54页 |
| 第3章 基于稀疏度估计的WSNs稀疏数据采集算法 | 第54-76页 |
| 3.1 引言 | 第54-55页 |
| 3.2 基于信息熵的综合评价方法 | 第55-56页 |
| 3.3 稀疏度估计机制 | 第56-61页 |
| 3.3.1 稀疏度的估计 | 第56-59页 |
| 3.3.2 测量次数的调整 | 第59-61页 |
| 3.4 稀疏数据采集算法 | 第61-65页 |
| 3.4.1 算法详述及理论分析 | 第61-63页 |
| 3.4.2 时间复杂度分析 | 第63-65页 |
| 3.5 仿真实验及结果分析 | 第65-75页 |
| 3.5.1 能量消耗均衡性能的比较 | 第66-70页 |
| 3.5.2 综合性能的比较 | 第70-75页 |
| 3.6 本章小结 | 第75-76页 |
| 第4章 基于扩散小波的WSNs数据稀疏表示算法 | 第76-108页 |
| 4.1 引言 | 第76-77页 |
| 4.2 基于扩散小波的稀疏度模型 | 第77-79页 |
| 4.2.1 扩散算子的构造 | 第77-78页 |
| 4.2.2 稀疏度的测量 | 第78-79页 |
| 4.3 扩散小波基算法 | 第79-83页 |
| 4.3.1 算法详述及理论分析 | 第79-82页 |
| 4.3.2 时间复杂度分析 | 第82-83页 |
| 4.4 稀疏数据采集算法分析 | 第83-84页 |
| 4.5 实验及结果分析 | 第84-107页 |
| 4.5.1 扩散算子的分析 | 第84-85页 |
| 4.5.2 模拟数据稀疏度的比较 | 第85-89页 |
| 4.5.3 模拟数据重构性能的比较 | 第89-92页 |
| 4.5.4 实际数据稀疏度的比较 | 第92-100页 |
| 4.5.5 实际数据重构性能的比较 | 第100-107页 |
| 4.6 本章小结 | 第107-108页 |
| 第5章 基于CS的WSNs序列数据采集算法 | 第108-127页 |
| 5.1 引言 | 第108-109页 |
| 5.2 序列数据的压缩测量模型 | 第109-110页 |
| 5.3 基于CS的序列数据采集算法 | 第110-113页 |
| 5.3.1 算法详述及分析 | 第110-113页 |
| 5.3.2 时间复杂度分析 | 第113页 |
| 5.4 实验及结果分析 | 第113-126页 |
| 5.4.1 稀疏基性能的比较 | 第114-116页 |
| 5.4.2 重构性能的比较 | 第116-122页 |
| 5.4.3 能量消耗及其均衡性能的比较 | 第122-126页 |
| 5.5 本章小结 | 第126-127页 |
| 结论 | 第127-130页 |
| 参考文献 | 第130-141页 |
| 攻读博士学位期间发表的论文及其他成果 | 第141-143页 |
| 致谢 | 第143-145页 |
| 个人简历 | 第145页 |
