| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 缩略语/符号说明 | 第10-11页 |
| 一、前言 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 压缩感知理论的发展 | 第12页 |
| 1.2.2 稀疏表示的研究现状 | 第12-13页 |
| 1.2.3 重构算法的研究现状 | 第13-14页 |
| 1.3 研究的目的和意义 | 第14页 |
| 1.4 研究的主要内容 | 第14-16页 |
| 二、原理和方法 | 第16-24页 |
| 2.1 压缩感知与传统采样的比较 | 第16-18页 |
| 2.2 压缩感知模型描述 | 第18-22页 |
| 2.2.1 信号的稀疏表示 | 第18-19页 |
| 2.2.2 测量矩阵 | 第19-21页 |
| 2.2.3 重构算法 | 第21-22页 |
| 2.3 LFP信号的获取 | 第22页 |
| 2.4 评价因子 | 第22-24页 |
| 三、结果 | 第24-37页 |
| 3.1 压缩感知应用在稀疏信号上的仿真实验结果 | 第24-28页 |
| 3.1.1 稀疏度K=10仿真数据的压缩感知重构 | 第24-25页 |
| 3.1.2 稀疏度K=100仿真数据的压缩感知重构 | 第25-28页 |
| 3.2 不同稀疏表示矩阵和重构算法对LFP信号的处理结果 | 第28-37页 |
| 3.2.1 稀疏表示矩阵的选择 | 第28-29页 |
| 3.2.2 测量数M的确定 | 第29-31页 |
| 3.2.3 信号重构效果 | 第31-33页 |
| 3.2.4 重建性能比较 | 第33-37页 |
| 四、结论与讨论 | 第37-40页 |
| 4.1 结论 | 第37页 |
| 4.2 讨论 | 第37-40页 |
| 4.2.1 不同信号长度的重构效果对比 | 第37-38页 |
| 4.2.2 测量数M与信号稀疏度K之间的关系探讨 | 第38页 |
| 4.2.3 统计学分析 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 发表论文和参加科研情况说明 | 第44-45页 |
| 综述 压缩感知理论及其应用 | 第45-60页 |
| 综述参考文献 | 第56-60页 |
| 致谢 | 第60页 |