| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 专用术语注释表 | 第12-14页 |
| 图表说明 | 第14-17页 |
| 第一章 绪论 | 第17-30页 |
| ·引言 | 第17-18页 |
| ·压缩感知观测矩阵研究现状 | 第18-23页 |
| ·压缩感知重构算法研究现状 | 第23-27页 |
| ·本文的研究内容及成果 | 第27-28页 |
| ·本文的章节安排 | 第28-30页 |
| 第二章 脉冲噪声环境下混合范数子空间追踪算法 | 第30-54页 |
| ·引言 | 第30-31页 |
| ·子空间追踪算法 | 第31-32页 |
| ·脉冲噪声环境下 SP 算法性能分析 | 第32-38页 |
| ·脉冲噪声环境下 SP 算法支撑集重构性能分析 | 第32-37页 |
| ·脉冲噪声环境下 SP 算法信号重构精度性能分析 | 第37-38页 |
| ·混合范数子空间追踪算法 | 第38-44页 |
| ·算法描述 | 第38-42页 |
| ·MSP 算法的鲁棒性与复杂度分析 | 第42-44页 |
| ·仿真结果及分析 | 第44-53页 |
| ·MSP 算法中支撑集检测和观测集检测性能迭代改进 | 第45-48页 |
| ·MSP 算法的支撑集重构 | 第48-50页 |
| ·MSP 算法的信号重构精度 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第三章 脉冲噪声环境下基于最小洛伦兹范数的压缩感知重构算法 | 第54-73页 |
| ·引言 | 第54-55页 |
| ·洛伦兹硬阈值追踪算法 | 第55-65页 |
| ·算法描述 | 第56-58页 |
| ·LHTP 算法的重构性能 | 第58-61页 |
| ·仿真结果与分析 | 第61-65页 |
| ·一种改进的压缩感知洛伦兹迭代硬阈值算法 | 第65-72页 |
| ·算法描述 | 第65-67页 |
| ·仿真结果及分析 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 第四章 脉冲噪声环境下贝叶斯压缩感知重构方法 | 第73-110页 |
| ·引言 | 第73页 |
| ·高斯稀疏信源贝叶斯压缩感知重构算法 | 第73-90页 |
| ·算法描述 | 第73-80页 |
| ·自适应 BINSR（Adaptive BINSR, ABINSR）算法 | 第80-81页 |
| ·仿真结果及分析 | 第81-90页 |
| ·脉冲噪声环境下的贝叶斯稀疏重构方法 | 第90-109页 |
| ·贝叶斯稀疏重构方法框架 | 第90-93页 |
| ·脉冲噪声快速相关矢量机算法 | 第93-96页 |
| ·贝叶斯脉冲检测算法 | 第96-101页 |
| ·仿真结果及分析 | 第101-109页 |
| ·本章小结 | 第109-110页 |
| 第五章 语音信号压缩感知的观测矩阵构造 | 第110-136页 |
| ·引言 | 第110-111页 |
| ·语音压缩感知的量化效应 | 第111-123页 |
| ·两块对角（TBD）矩阵 | 第111-113页 |
| ·压缩感知框架下的语音信号的量化效应 | 第113-117页 |
| ·脉冲噪声环境下语音压缩感知量化后的观测向量的重构 | 第117-118页 |
| ·仿真结果及分析 | 第118-123页 |
| ·基于自相关观测的语音信号压缩感知 | 第123-134页 |
| ·基于模板匹配的近似自相关观测的语音信号压缩感知 | 第125-127页 |
| ·基于近似自相关观测的语音压缩感知的量化效应 | 第127-128页 |
| ·仿真结果及分析 | 第128-134页 |
| ·本章小结 | 第134-136页 |
| 第六章 总结与展望 | 第136-139页 |
| ·论文总结 | 第136-137页 |
| ·未来研究方向展望 | 第137-139页 |
| 参考文献 | 第139-146页 |
| 附录1 公式推导 | 第146-150页 |
| 附录2 攻读博士学位期间撰写的论文 | 第150-151页 |
| 附录3 攻读博士学位期间申请的专利 | 第151-152页 |
| 附录4 攻读博士学位期间参加的科研项目 | 第152-153页 |
| 致谢 | 第153页 |
