摘要
1.引言
1.1 研究背景和意义
1.2 国内外研究现状和发展趋势
1.3 本文的创新点
1.4 本文的主要工作与结构安排
2.压缩感知的理论框架
2.1 压缩感知理论的基本原理
2.2 压缩感知理论的关键内容
2.2.1 信号的稀疏表示
2.2.2 压缩感知的测量
2.2.3 重构算法设计
2.3 压缩感知的应用
2.4 本章小结
3.基于压缩感知理论的信号重构
3.1 基于压缩感知的稀疏信号重构概述
3.2 基于L1范数最小化方法
3.2.1 梯度投影算法(GPSR)
3.2.2 加权L1范数最小化算法(Reweighted L1 Minimization)
3.3 基于贪婪迭代的匹配追踪类算法
3.3.1 匹配追踪算法(MP)
3.3.2 分段正交匹配追踪算法(STOMP)
3.3.3 正则化正交匹配追踪算法(ROMP)
3.3.4 子空间追踪算法(SP)
3.4 本章小结
4.基于融合框架的压缩感知信号重构
4.1 融合框架理论
4.2 基于融合框架的稀疏重构
4.3 基于OMP和CoSaMP融合框架的压缩感知信号重构
4.4 仿真实验
4.4.1 一维近红外烟草光谱信号重构实验
4.4.2 Boat图像重构实验(512*512)
4.4.3 Lena图像重构实验(256*256)
4.4.4 Fruit图像重构实验(256*256)
4.5 对比分析
4.6 结论
结语
参考文献
致谢
声明