| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究的目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容创新点和论文结构 | 第13-15页 |
| 第二章 压缩感知理论基础 | 第15-27页 |
| 2.1 压缩感知理论 | 第15-24页 |
| 2.1.1 信号的最稀疏表示 | 第17-19页 |
| 2.1.2 测量与测量矩阵 | 第19-22页 |
| 2.1.3 重构算法 | 第22-24页 |
| 2.2 压缩感知的应用 | 第24-26页 |
| 2.2.1 医学成像 | 第25页 |
| 2.2.2 雷达成像应用 | 第25页 |
| 2.2.3 图像处理应用 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 压缩感知重构算法 | 第27-36页 |
| 3.1 压缩感知贪婪算法 | 第27-30页 |
| 3.1.1 匹配追踪算法MP | 第27-28页 |
| 3.1.2 正交匹配追踪算法OMP | 第28-29页 |
| 3.1.3 压缩采样匹配追踪算法CoSaMP | 第29页 |
| 3.1.4 子空间追踪算法SP | 第29-30页 |
| 3.2 算法性能仿真对比 | 第30-35页 |
| 3.2.1 高斯随机信号实验 | 第30-33页 |
| 3.2.2 稀疏 0-1 二值随机信号实验 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 分布式压缩感知理论及重构算法 | 第36-54页 |
| 4.1 分布式压缩感知理论 | 第36-39页 |
| 4.1.1 联合稀疏模型 1（JSM1） | 第38页 |
| 4.1.2 联合稀疏模型 2（JSM2） | 第38页 |
| 4.1.3 联合稀疏模型 3（JSM3） | 第38-39页 |
| 4.2 分布式压缩感知重构算法 | 第39-53页 |
| 4.2.1 分布式压缩感知重构算法DCS-RA | 第39-40页 |
| 4.2.2 算法性能仿真分析 | 第40-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 基于分布式压缩感知的视频编解码 | 第54-77页 |
| 5.1 基于压缩感知的视频编解码 | 第54-56页 |
| 5.1.1 压缩感知混合视频编解码系统 | 第54-55页 |
| 5.1.2 纯压缩感知视频编解码系统 | 第55-56页 |
| 5.2 基于分层的分布式压缩感知视频编解码框架 | 第56-68页 |
| 5.2.1 基本框架设计 | 第57-59页 |
| 5.2.2 仿真验证 | 第59-68页 |
| 5.3 基于森林稀疏模型的分布式压缩感知视频编解码系统 | 第68-76页 |
| 5.3.1 森林稀疏模型 | 第69-70页 |
| 5.3.2 基于森林稀疏模型的视频编解码 | 第70-71页 |
| 5.3.3 仿真验证 | 第71-76页 |
| 5.4 本章小结 | 第76-77页 |
| 总结和展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |