數(shù)據(jù)感知優(yōu)化技術(shù)及其應(yīng)用

1 緒論
1．1 基本知識(shí)介紹
1．1．1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)基本知識(shí)
1．1．2 壓縮感知基本知識(shí)
1．2 國(guó)內(nèi)外研究現(xiàn)狀
1．2．1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的研究現(xiàn)狀
1．2．2 壓縮感知的研究現(xiàn)狀
1．2．3 數(shù)據(jù)融合技術(shù)的研究現(xiàn)狀
1．3 壓縮感知在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的應(yīng)用
參考文獻(xiàn)
2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
2．1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的基本概念及結(jié)構(gòu)
2．1．1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的概念
2．1．2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的結(jié)構(gòu)
2．1．3 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的體系結(jié)構(gòu)
2．1．4 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的生成過(guò)程
2．2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的特點(diǎn)
2．3 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)
2．4 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的應(yīng)用
參考文獻(xiàn)
3 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理技術(shù)
3．1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理的基本概念
3．1．1 以數(shù)據(jù)為中心的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)庫(kù)
3．1．2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理系統(tǒng)的特殊性及設(shè)計(jì)目標(biāo)
3．1．3 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理技術(shù)的研究熱點(diǎn)
3．2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理的關(guān)鍵技術(shù)
3．2．1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)
3．2．2 數(shù)據(jù)查詢(xún)處理技術(shù)
3．2．3 數(shù)據(jù)壓縮技術(shù)
3．2．4 數(shù)據(jù)融合技術(shù)
3．3 幾種常見(jiàn)的數(shù)據(jù)管理系統(tǒng)
3．3．1 TinyDB系統(tǒng)
3．3．2 Cougar系統(tǒng)
3．3．3 現(xiàn)有無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理系統(tǒng)分析
3．4 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)管理系統(tǒng)Dis WareDM
3．4．1 基于移動(dòng)Agent中間件的傳感器網(wǎng)絡(luò)數(shù)據(jù)管理概述
3．4．2 DisWareDM整體功能和系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
3．4．3 DisWareDM系統(tǒng)的詳細(xì)設(shè)計(jì)
3．4．4 DisWareDM的系統(tǒng)功能
參考文獻(xiàn)
4 壓縮感知理論基本原理
4．1 概述
4．2 壓縮感知的工作原理
4．3 信號(hào)的稀疏表示
4．4 觀測(cè)矩陣的設(shè)計(jì)
4．5 壓縮感知的實(shí)際應(yīng)用
4．5．1 壓縮成像
4．5．2 信道編碼
4．5．3 天文觀測(cè)
4．6 壓縮感知的基本算法
4．6．1 觀測(cè)矩陣的基礎(chǔ)知識(shí)
4．6．2 重構(gòu)算法的基礎(chǔ)知識(shí)
參考文獻(xiàn)
附件
5 基追蹤算法
5．1 基追蹤算法的研究現(xiàn)狀
5．2 基追蹤算法的基礎(chǔ)知識(shí)
5．2．1 預(yù)備知識(shí)
5．2．2 基追蹤的使用
5．2．3 基追蹤算法的運(yùn)算
5．2．4 改進(jìn)的基追蹤算法
5．3 匹配追蹤算法的基礎(chǔ)知識(shí)
5．3．1 信號(hào)的稀疏表示
5．3．2 匹配追蹤算法的運(yùn)算
5．4 Bregman迭代算法的基礎(chǔ)知識(shí)
5．4．1 Bregman距離
5．4．2 Bregman迭代算法的運(yùn)算
5．5 幾種算法的對(duì)比
5．6 基追蹤算法仿真
5．6．1 用于壓縮感知的基追蹤算法程序
5．6．2 正交匹配追蹤算法程序
5．6．3 基追蹤與壓縮感知的仿真
5．6．4 匹配追蹤與壓縮感知的仿真
5．6．5 基追蹤和匹配追蹤的對(duì)比
5．6．6 基追蹤在壓縮感知上的實(shí)際應(yīng)用
參考文獻(xiàn)
附件
6 梯度追蹤優(yōu)化算法研究
6．1 概述
6．2 不同種類(lèi)的梯度追蹤算法總結(jié)
6．2．1 基于速下降法的梯度追蹤算法
6．2．2 基于牛頓法的梯度追蹤算法
6．2．3 基于共軛梯度法的梯度追蹤算法
6．3 梯度追蹤算法仿真及結(jié)果分析
6．3．1 梯度追蹤算法實(shí)驗(yàn)仿真
6．3．2 仿真結(jié)果分析
參考文獻(xiàn)
7 正交匹配追蹤算法
7．1 正交匹配追蹤（OMP）算法的基礎(chǔ)知識(shí)
7．1．1 利用OMP算法重構(gòu)一維信號(hào)
7．1．2 利用OMP算法重構(gòu)二維圖像信號(hào)
7．2 基于OMP算法的優(yōu)化方案
7．3 StOMP算法的實(shí)際應(yīng)用
參考文獻(xiàn)
附件
8 基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的壓縮感知及數(shù)據(jù)融合技術(shù)
8．1 概述
8．2 數(shù)據(jù)融合的作用
8．3 多源傳感器數(shù)據(jù)融合
8．3．1 多源傳感器數(shù)據(jù)融合的基礎(chǔ)知識(shí)
8．3．2 多傳感器數(shù)據(jù)融合的優(yōu)勢(shì)
8．3．3 多傳感器多源數(shù)據(jù)融合模型
8．3．4 數(shù)據(jù)融合的結(jié)構(gòu)模型
8．3．5 數(shù)據(jù)融合的功能模型
8．4 數(shù)據(jù)的壓縮、重構(gòu)及仿真結(jié)果的數(shù)據(jù)分析
8．4．1 壓縮率分析
8．4．2 數(shù)據(jù)分析
8．5 基于聯(lián)合稀疏模型的分布式壓縮算法
8．5．1 兩級(jí)壓縮感知算法
8．5．2 分布式稀疏隨機(jī)投影算法的基礎(chǔ)知識(shí)
8．5．3 分布式稀疏隨機(jī)投影的改進(jìn)算法
8．5．4 改進(jìn)算法的網(wǎng)絡(luò)模型選擇與數(shù)據(jù)處理
8．5．5 數(shù)據(jù)仿真處理與分析
8．6 基于集中式的數(shù)據(jù)壓縮算法
8．6．1 集中式壓縮算法描述
8．6．2 選擇傳感器矩陣
8．6．3 集中式壓縮感知算法的模型分析
8．6．4 仿真及結(jié)果分析
參考文獻(xiàn)
附件
9 總結(jié)與展望
9．1 總結(jié)
9．2 展望