声明
摘要
第一章 引言
第一节 研究背景及意义
第二节 国内外研究现状
1.2.1 无线传感器网络研究现状
1.2.2 压缩传感理论研究现状
1.2.3 压缩传感理论应用于无线传感器网络现状
第三节 本文主要研究内容
第四节 本文的创新点
第五节 本文的组织结构
第二章 压缩传感理论概述
第一节 基本数学符号定义
第二节 信号的稀疏表示
第三节 测量矩阵
第四节 信号重构
2.4.1 最小l0范数法
2.4.2 最小l1范数法
2.4.3 CR算法
第三章 信号稀疏性研究
第一节 信号的稀疏性
3.1.1 严格意义的稀疏性
3.1.2 信号的可压缩性
第二节 稀疏基底和过完备字典
3.2.1 稀疏基底
3.2.2 过完备字典
第三节 常用的稀疏算法研究
3.3.1 匹配追踪算法
3.3.2 正交匹配追踪算法
3.3.3 正则正交匹配追踪算法
3.3.4 修正匹配追踪算法
3.3.5 组原子匹配追踪算法
第四节 稀疏效果的对比分析
3.4.1 离散余弦过完备字典
3.4.2 Haar小波过完备字典
3.4.3 Chirplet小波过完备字典
3.4.4 Db小波过完备字典
第五节 本章小结
第四章 测量矩阵的研究
第一节 相干性条件
第二节 常用测量矩阵
4.2.1 高斯随机测量矩阵
4.2.2 伯努利随机测量矩阵
4.2.3 部分正交测量矩阵
4.2.4 托普利兹矩阵和循环矩阵
第三节 常用测量矩阵的性能分析
4.3.1 信号重构误差分析
4.3.2 重构成功率分析
第四节 伯努利测量矩阵改进
第五节 本章小结
第五章 信号重构算法的研究
第一节 重构算法概述
第二节 常用重构算法分析
5.2.1 匹配追踪算法
5.2.2 正交匹配追踪算法
5.2.3 正则正交匹配追踪算法
5.2.4 可压缩采样匹配追踪算法
5.2.5 稀疏度自适应匹配追踪算法
5.2.6 子空间追踪算法
5.2.7 硬阈值迭代算法
第三节 常用重构算法仿真分析
5.3.1 稀疏度已知的时域稀疏信号仿真
5.3.2 稀疏度已知的频域稀疏信号仿真
5.3.3 二维图像重构仿真
第四节 本章小结
第六章 基于稀疏度自适应正交匹配追踪算法
第一节 ITSAOMP算法的具体描述
6.1.1 对已选择原子进行正交化处理
6.1.2 稀疏度自适应的实现
6.1.3 稀疏度未知情况下贪婪迭代终止方式
6.1.4 支撑集原子阶段选择
6.1.5 基于IHT的回溯全局优化
6.1.6 ITSAOMP算法实现
第二节 ITSAOMP算法仿真分析
6.2.1 时域稀疏度已知的信号仿真
6.2.2 稀疏度未知的频域可压缩信号仿真
6.2.3 以二维图像为目标的仿真
第三节 本章小结
第七章 压缩传感在非均匀采样中的应用
第一节 采用非等间隔采样进行信号预处理
第二节 周期非均匀采样
第三节 基于SAMP的周期非均匀采样信号重构
7.3.1 周期非均匀采样原理
7.3.2 原始信号重构
7.3.3 稀疏度自适应匹配追踪算法
7.3.4 插值操作
7.3.5 系统仿真和结果分析
第四节 基于ITCSAMP的周期非均匀采样与重构
7.4.1 稀疏度自适应的迭代阈值压缩采样匹配追踪算法
7.4.2 仿真与结果分析
第五节 本章小结
第八章 总结与展望
参考文献
致谢
个人简历及研究成果