數(shù)據(jù)感知優(yōu)化技術及其應用

1 緒論
1．1 基本知識介紹
1．1．1 無線傳感器網(wǎng)絡基本知識
1．1．2 壓縮感知基本知識
1．2 國內(nèi)外研究現(xiàn)狀
1．2．1 無線傳感器網(wǎng)絡的研究現(xiàn)狀
1．2．2 壓縮感知的研究現(xiàn)狀
1．2．3 數(shù)據(jù)融合技術的研究現(xiàn)狀
1．3 壓縮感知在無線傳感器網(wǎng)絡中的應用
參考文獻
2 無線傳感器網(wǎng)絡體系結(jié)構(gòu)
2．1 無線傳感器網(wǎng)絡的基本概念及結(jié)構(gòu)
2．1．1 無線傳感器網(wǎng)絡的概念
2．1．2 無線傳感器網(wǎng)絡的結(jié)構(gòu)
2．1．3 無線傳感器網(wǎng)絡節(jié)點的體系結(jié)構(gòu)
2．1．4 無線傳感器網(wǎng)絡的生成過程
2．2 無線傳感器網(wǎng)絡的特點
2．3 無線傳感器網(wǎng)絡的關鍵技術
2．4 無線傳感器網(wǎng)絡的應用
參考文獻
3 無線傳感器網(wǎng)絡數(shù)據(jù)管理技術
3．1 無線傳感器網(wǎng)絡數(shù)據(jù)管理的基本概念
3．1．1 以數(shù)據(jù)為中心的無線傳感器網(wǎng)絡數(shù)據(jù)庫
3．1．2 無線傳感器網(wǎng)絡數(shù)據(jù)管理系統(tǒng)的特殊性及設計目標
3．1．3 無線傳感器網(wǎng)絡數(shù)據(jù)管理技術的研究熱點
3．2 無線傳感器網(wǎng)絡數(shù)據(jù)管理的關鍵技術
3．2．1 無線傳感器網(wǎng)絡數(shù)據(jù)存儲結(jié)構(gòu)
3．2．2 數(shù)據(jù)查詢處理技術
3．2．3 數(shù)據(jù)壓縮技術
3．2．4 數(shù)據(jù)融合技術
3．3 幾種常見的數(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)有無線傳感器網(wǎng)絡數(shù)據(jù)管理系統(tǒng)分析
3．4 無線傳感器網(wǎng)絡數(shù)據(jù)管理系統(tǒng)Dis WareDM
3．4．1 基于移動Agent中間件的傳感器網(wǎng)絡數(shù)據(jù)管理概述
3．4．2 DisWareDM整體功能和系統(tǒng)結(jié)構(gòu)設計
3．4．3 DisWareDM系統(tǒng)的詳細設計
3．4．4 DisWareDM的系統(tǒng)功能
參考文獻
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 信號的稀疏表示
4．4 觀測矩陣的設計
4．5 壓縮感知的實際應用
4．5．1 壓縮成像
4．5．2 信道編碼
4．5．3 天文觀測
4．6 壓縮感知的基本算法
4．6．1 觀測矩陣的基礎知識
4．6．2 重構(gòu)算法的基礎知識
參考文獻
附件
5 基追蹤算法
5．1 基追蹤算法的研究現(xiàn)狀
5．2 基追蹤算法的基礎知識
5．2．1 預備知識
5．2．2 基追蹤的使用
5．2．3 基追蹤算法的運算
5．2．4 改進的基追蹤算法
5．3 匹配追蹤算法的基礎知識
5．3．1 信號的稀疏表示
5．3．2 匹配追蹤算法的運算
5．4 Bregman迭代算法的基礎知識
5．4．1 Bregman距離
5．4．2 Bregman迭代算法的運算
5．5 幾種算法的對比
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比
5．6．6 基追蹤在壓縮感知上的實際應用
參考文獻
附件
6 梯度追蹤優(yōu)化算法研究
6．1 概述
6．2 不同種類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 梯度追蹤算法實驗仿真
6．3．2 仿真結(jié)果分析
參考文獻
7 正交匹配追蹤算法
7．1 正交匹配追蹤（OMP）算法的基礎知識
7．1．1 利用OMP算法重構(gòu)一維信號
7．1．2 利用OMP算法重構(gòu)二維圖像信號
7．2 基于OMP算法的優(yōu)化方案
7．3 StOMP算法的實際應用
參考文獻
附件
8 基于無線傳感器網(wǎng)絡的壓縮感知及數(shù)據(jù)融合技術
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)融合的基礎知識
8．3．2 多傳感器數(shù)據(jù)融合的優(yōu)勢
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 兩級壓縮感知算法
8．5．2 分布式稀疏隨機投影算法的基礎知識
8．5．3 分布式稀疏隨機投影的改進算法
8．5．4 改進算法的網(wǎng)絡模型選擇與數(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
附件
9 總結(jié)與展望
9．1 總結(jié)
9．2 展望