基于稀疏分解的频谱感知方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外在该方向的研究现状及分析 | 第11-13页 |
| 1.3 本文主要研究内容和组成结构 | 第13-15页 |
| 第2章 稀疏分解的基本方法及其改进 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 稀疏分解的基本方法 | 第15-17页 |
| 2.2.1 基追踪算法 | 第16页 |
| 2.2.2 匹配追踪算法 | 第16-17页 |
| 2.2.3 正交匹配追踪算法 | 第17页 |
| 2.3 构造过完备字典 | 第17-25页 |
| 2.3.1 分析字典 | 第17-19页 |
| 2.3.2 学习字典 | 第19-23页 |
| 2.3.3 改进的字典训练方法 | 第23-25页 |
| 2.4 压缩感知理论 | 第25-28页 |
| 2.4.1 稀疏表示 | 第25-26页 |
| 2.4.2 测量矩阵 | 第26-27页 |
| 2.4.3 重构算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于稀疏分解去噪的频谱感知方法 | 第29-36页 |
| 3.1 引言 | 第29页 |
| 3.2 稀疏分解去噪原理 | 第29-30页 |
| 3.3 能量频谱感知算法 | 第30-31页 |
| 3.4 噪声估计 | 第31-32页 |
| 3.5 仿真结果及分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于联合训练字典的频谱感知方法 | 第36-54页 |
| 4.1 引言 | 第36页 |
| 4.2 基于分布式压缩感知的频谱感知算法 | 第36-43页 |
| 4.2.1 联合稀疏模型 | 第36-38页 |
| 4.2.2 基于联合重构的频谱感知方法 | 第38-40页 |
| 4.2.3 仿真与分析 | 第40-43页 |
| 4.3 多天线联合字典训练算法 | 第43-48页 |
| 4.3.1 等增益合并字典训练算法 | 第43-44页 |
| 4.3.2 分组合并字典训练算法 | 第44-46页 |
| 4.3.3 并联合并字典训练算法 | 第46-47页 |
| 4.3.4 仿真与分析 | 第47-48页 |
| 4.4 基于联合字典训练的频谱感知方法 | 第48-49页 |
| 4.5 仿真结果及分析 | 第49-52页 |
| 4.5.1 信号重构部分 | 第49-50页 |
| 4.5.2 能量频谱感知部分 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
