作者简介 | 第1-4页 |
摘要 | 第4-6页 |
ABSTRACT | 第6-13页 |
第一章 绪论 | 第13-29页 |
·研究背景及意义 | 第13-15页 |
·压缩感知理论的研究进展 | 第15-22页 |
·重构算法 | 第15-20页 |
·观测矩阵 | 第20-22页 |
·压缩感知的应用 | 第22-25页 |
·压缩感知在多种信号处理中的应用 | 第22-23页 |
·压缩感知在成像中的应用 | 第23-24页 |
·压缩感知在无线传感器网络中的应用 | 第24-25页 |
·论文研究内容及章节安排 | 第25-29页 |
第二章 低冗余压缩感知观测 | 第29-37页 |
·引言 | 第29-30页 |
·低冗余CS观测的获取 | 第30-32页 |
·获得低冗余CS观测的算法 | 第30-31页 |
·获取低冗余CS观测算法的理论依据 | 第31-32页 |
·实验结果 | 第32-34页 |
·小结 | 第34-37页 |
第三章 重构概率为 1 的低冗余高斯观测 | 第37-53页 |
·引言 | 第37-38页 |
·预备知识和所提方法的思想 | 第38-41页 |
·标号定义 | 第38页 |
·序列压缩感知 | 第38-39页 |
·所提方法的基本思想 | 第39-41页 |
·判断处理机制 | 第41-43页 |
·初始观测的判断准则 | 第41-42页 |
·递减的序列压缩感知 | 第42-43页 |
·临界观测能以概率 1 完全重构信号的证明 | 第43页 |
·去冗余策略 | 第43-46页 |
·理论支撑 | 第44页 |
·去除冗余观测的优化方法 | 第44-46页 |
·实验结果 | 第46-48页 |
·实验 1 | 第46-47页 |
·实验 2 | 第47-48页 |
·讨论和结论 | 第48-50页 |
附录 | 第50-53页 |
A. 定理 3.1 的证明 | 第50页 |
B. 定理 3.2 的证明 | 第50页 |
C. 命题 3.4 的证明 | 第50-53页 |
第四章 满足重构概率约束的更少贝努利观测 | 第53-59页 |
·引言 | 第53-54页 |
·获取满足重构概率约束的更少贝努利观测方法 | 第54-56页 |
·理论依据 | 第54-55页 |
·获得满足重构概率约束的更少贝努利观测算法 | 第55-56页 |
·实验结果 | 第56-58页 |
·小结 | 第58-59页 |
第五章 基于稀疏感知的观测矩阵构造 | 第59-71页 |
·引言 | 第59-60页 |
·观测矩阵的基础知识 | 第60-62页 |
·观测矩阵的性能标准 | 第60-61页 |
·观测矩阵的Tanner图 | 第61页 |
·LDPC校验矩阵 | 第61-62页 |
·确定稀疏观测矩阵的构造 | 第62-64页 |
·构造的理论支撑 | 第62-63页 |
·观测矩阵的构造算法 | 第63-64页 |
·所构造观测矩阵的性能分析及设计的观测系统 | 第64-66页 |
·构造的观测矩阵性能分析 | 第64-65页 |
·设计的观测系统 | 第65-66页 |
·实验结果 | 第66-70页 |
·无噪情况下的重构性能 | 第67-69页 |
·含噪情况下的重构性能 | 第69-70页 |
·小结 | 第70-71页 |
第六章 低冗余CS观测方法在WSNs数据收集中的应用 | 第71-91页 |
·引言 | 第71-74页 |
·WSNs及其所面临的挑战 | 第71-72页 |
·传统的WSNs节能方法 | 第72-73页 |
·基于CS数据收集的WSNs节能方法 | 第73-74页 |
·WSNs的数据模型和基于CS的数据收集模型 | 第74-75页 |
·基于稀疏随机投影的轮换数据收集方法 | 第75-80页 |
·收集算法 | 第76-77页 |
·实验结果 | 第77-80页 |
·基于稀疏化贝奴利观测矩阵的数据收集方法 | 第80-85页 |
·稀疏化贝努利观测矩阵的方案 | 第80-81页 |
·基于稀疏化贝努利观测矩阵的数据收集算法 | 第81-82页 |
·四种方案的能耗分析 | 第82页 |
·实验结果 | 第82-85页 |
·基于序列压缩感知和稀疏感知的数据收集方法 | 第85-90页 |
·理论支撑 | 第86页 |
·数据收集算法 | 第86-87页 |
·算法分析 | 第87-88页 |
·实验结果 | 第88-90页 |
·小结 | 第90-91页 |
第七章 总结与展望 | 第91-95页 |
·总结 | 第91-92页 |
·展望 | 第92-95页 |
致谢 | 第95-97页 |
参考文献 | 第97-113页 |
攻读博士学位期间的研究成果 | 第113-115页 |