基于压缩感知的WSN数据压缩与检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景和课题研究的意义 | 第8-9页 |
| 1.2 国内外研究现状及发展的关键技术 | 第9-12页 |
| 1.2.1 国外无线传感器网络的研究现状 | 第9-10页 |
| 1.2.2 国内无线传感网络的研究现状 | 第10-11页 |
| 1.2.3 无线传感网络的研究热点内容 | 第11-12页 |
| 1.3 本文主要研究内容和工作安排 | 第12-14页 |
| 第二章 无线传感网络与压缩感知 | 第14-24页 |
| 2.1 无线传感网络的概述 | 第14-18页 |
| 2.1.1 无线传感网络的组成及工作流程 | 第15-16页 |
| 2.1.2 无线传感网络的特点 | 第16-17页 |
| 2.1.3 无线传感网络的应用 | 第17-18页 |
| 2.2 压缩感知 | 第18-21页 |
| 2.3 压缩感知与 WSN 主要技术的融合 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 WSN 的拓扑结构优化及稀疏数据检测 | 第24-32页 |
| 3.1 WSN 拓扑结构优化 | 第24-26页 |
| 3.2 稀疏数据的新检测方法 | 第26-29页 |
| 3.3 实验分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 稀疏变换与主成分分析 | 第32-44页 |
| 4.1 稀疏变换 | 第32-37页 |
| 4.1.1 离散余弦变换 | 第33-34页 |
| 4.1.2 小波变换 | 第34-35页 |
| 4.1.3 实验分析 | 第35-37页 |
| 4.2 基于改进主成分分析的稀疏变换 | 第37-43页 |
| 4.2.1 Karhunen-Loeve 变换 | 第37-38页 |
| 4.2.2 主成分分析 | 第38-40页 |
| 4.2.3 主成分分析的应用改进 | 第40-41页 |
| 4.2.4 实验分析 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 基于压缩感知的信号重建算法及其改进 | 第44-63页 |
| 5.1 压缩感知常用的信号重建算法 | 第44-47页 |
| 5.1.1 BP 算法 | 第44-45页 |
| 5.1.2 OMP 算法 | 第45-47页 |
| 5.2 基于贝叶斯模型算法及改进 | 第47-58页 |
| 5.2.1 传统基于贝叶斯模型的重构方法 | 第48-50页 |
| 5.2.2 改进带有反馈的贝叶斯模型算法 | 第50-58页 |
| 5.3 实验分析 | 第58-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |
