首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文--传感器的应用论文

无线传感器网络中时变稀疏信号重构

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-17页
    1.1 研究的背景和意义第10-11页
    1.2 国内外研究现状第11-14页
        1.2.1 压缩感知重构算法的研究现状第11-13页
        1.2.2 传感器网络中时变稀疏信号重构的研究现状第13-14页
    1.3 本文的主要研究内容和结构安排第14-17页
        1.3.1 主要研究内容第14-15页
        1.3.2 结构安排第15-17页
第二章 压缩感知与卡尔曼滤波理论第17-30页
    2.1 压缩感知理论知识第17-21页
        2.1.1 信号的稀疏表示第18-19页
        2.1.2 测量矩阵的构造第19-20页
        2.1.3 信号的重构第20-21页
    2.2 卡尔曼滤波算法第21-25页
        2.2.1 系统模型和问题描述第22-23页
        2.2.2 卡尔曼滤波算法第23-24页
        2.2.3 信息滤波算法第24-25页
    2.3 状态约束下的信号估计过程第25-29页
        2.3.1 系统模型和问题描述第26页
        2.3.2 稀疏信号的状态约束第26-28页
        2.3.3 状态约束下的卡尔曼滤波算法流程第28-29页
    2.4 本章小结第29-30页
第三章 基于信息一致滤波的时变稀疏信号重构第30-53页
    3.1 一致性策略第31-32页
    3.2 分布式信息一致滤波算法第32-35页
        3.2.1 系统模型和问题描述第33-34页
        3.2.2 分布式信息一致滤波算法第34-35页
    3.3 分布式时变稀疏信号重构算法第35-40页
        3.3.1 时变稀疏信号重构问题第36-37页
        3.3.2 基于信息一致滤波的时变稀疏信号重构算法第37-40页
    3.4 实验仿真与分析第40-52页
    3.5 本章小结第52-53页
第四章 一种变分贝叶斯集中式卡尔曼滤波算法第53-67页
    4.1 变分贝叶斯推理第54-55页
    4.2 集中式卡尔曼滤波算法第55-57页
        4.2.1 信号重构模型第55-56页
        4.2.2 嵌入伪测量的集中式卡尔曼重构算法第56-57页
    4.3 变分贝叶斯集中式卡尔曼滤波稀疏信号重构算法第57-62页
        4.3.1 系统模型和问题描述第57-58页
        4.3.2 变分贝叶斯逼近第58-60页
        4.3.3 动态观测噪声方差第60-61页
        4.3.4 变分贝叶斯集中式卡尔曼滤波算法第61-62页
    4.4 实验仿真与分析第62-66页
        4.4.1 实验仿真环境第62-63页
        4.4.2 仿真结果与分析第63-66页
    4.5 本章小结第66-67页
总结与展望第67-69页
参考文献第69-76页
攻读硕士学位期间取得的研究成果第76-77页
致谢第77-78页
附件第78页

论文共78页,点击 下载论文
上一篇:基于GDOI协议加密系统的改进与实现
下一篇:基于进化神经网络的短波通信频率选择方法