压缩感知算法及其在频谱感知中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-9页 |
| 1.2 研究背景和现状 | 第9-10页 |
| 1.3 研究意义 | 第10-11页 |
| 1.4 本文的主要内容和结构 | 第11-13页 |
| 第二章 压缩感知理论基础 | 第13-23页 |
| 2.1 信号的稀疏表示 | 第13-15页 |
| 2.2 压缩感知理论的数学模型 | 第15-17页 |
| 2.3 压缩感知的核心问题 | 第17-22页 |
| 2.3.1 稀疏字典 | 第17-18页 |
| 2.3.2 测量矩阵 | 第18-19页 |
| 2.3.3 压缩感知重建算法 | 第19-21页 |
| 2.3.4 压缩感知的应用 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 测量矩阵累积增量分析 | 第23-31页 |
| 3.1 测量矩阵的设计基础 | 第23-26页 |
| 3.1.1 等距约束性 | 第23-25页 |
| 3.1.2 非相干性 | 第25-26页 |
| 3.2 基于 k-累积增量的压缩感知 | 第26-29页 |
| 3.2.1 累积增量 | 第26-28页 |
| 3.2.2 k-累积增量约束界的估计 | 第28-29页 |
| 3.3 仿真实验 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于最小二乘的频谱感知算法 | 第31-47页 |
| 4.1 认知无线电技术 | 第31-35页 |
| 4.1.1 认知无线电的定义 | 第32-33页 |
| 4.1.2 认知无线电的关键技术 | 第33-34页 |
| 4.1.3 频谱感知技术 | 第34-35页 |
| 4.2 频谱感知模型 | 第35-37页 |
| 4.2.1 二元假设模型 | 第35-36页 |
| 4.2.2 基于压缩感知的频谱感知模型 | 第36-37页 |
| 4.3 基于随机矩阵的宽带频谱感知 | 第37-44页 |
| 4.3.1 系统模型和问题描述 | 第38-42页 |
| 4.3.2 基于随机测量矩阵的宽带频谱重构 | 第42-44页 |
| 4.4 仿真实验 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于稀疏估计的边缘频谱感知算法 | 第47-60页 |
| 5.1 稀疏估计的提出 | 第47-48页 |
| 5.2 基于 MC 模拟实验的稀疏估计 | 第48-52页 |
| 5.2.1 构造信号 | 第48-49页 |
| 5.2.2 信号采样 | 第49页 |
| 5.2.3 信号重建 | 第49页 |
| 5.2.4 稀疏估计 | 第49-51页 |
| 5.2.5 基于曲线拟合的采样开销量化方法 | 第51-52页 |
| 5.3 基于 COSAMP 算法的频谱感知算法 | 第52-55页 |
| 5.4 仿真实验 | 第55-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文小结 | 第60页 |
| 6.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 致谢 | 第65页 |
