压缩感知算法的快速处理及应用研究

　　《压缩感知算法的快速处理及应用研究》在借鉴现有成果的基础上，围绕压缩感知方法及其应用这个主题展开研究，研究内容层层递进、研究深度步步深入：针对压缩感知算法计算复杂度高、信号重构时间长的问题，研究了算法的并行化、多核／众核并行处理、云计算加速方法及快速压缩感知算法的构造；为拓展压缩感知方法的应用，提出把压缩感知方法引入物联网（InternetofThings，IoT）的数据采集和处理中，设计了基于物联网资源的算法混合加速方案。《压缩感知算法的快速处理及应用研究》中的相关研究可以显著降低采集数据的规模，提高数据处理的速度，有效地促进当前智慧城市、智能制造、“互联网+”等工程的实施。

　　张永平，1979年出生，副教授，2014年毕业于南京理工大学并获得计算机应用技术专业博士学位，2014年6月到盐城工学院信息学院工作，研究方向包括压缩感知、大数据技术、物联网数据采集等。近5年来，主持或主要参与国家基金项目、省科技厅项目、省教育厅项目共计6项，以作者在国内外知名期刊发表论文10多篇（其中SCI／EI收录6篇），以发明人申请发明专利5项（已授权2项），以发明人申请并授权软件著作权1项。

第1章 绪论
1．1 研究背景
1．2 研究意义
1．3 压缩感知的理论框架
1．4 压缩感知算法及其重构
1．5 压缩感知研究现状
1．6 主要研究内容
1．7 本书结构安排
第2章 相关技术基础
2．1 并行处理及多核技术
2．2 云计算和大数据
2．3 Python
2．4 物联网及其发展
2．5 本章小节
第3章 并行压缩感知算法及其加速研究
3．1 并行压缩感知
3．2 CPU并行加速
3．3 GPU并行加速
3．4 本章小结
第4章 压缩感知算法的云加速研究
4．1 OpenStack 074·
4．2 云加速方案概述
4．3 云加速方案系统设计
4．4 算法迁移和循环并行化的设计
4．5 算法的改进
4．6 云加速方案验证
4．7 本章小结
第5章 一种分块快速压缩感知算法的设计与实现
5．1 OMP算法的不足及优化
5．2 BFOMP算法设计
5．3 BFOMP算法验证
5．4 本章小结
第6章 物联网中压缩感知方法的应用研究
6．1 海量物联数据的压力
6．2 压缩感知和物联网
6．3 压缩感知物联网的应用实例——感知城管系统
6．4 压缩感知物联网的应用实例——在线财务系统
6．5 压缩感知物联网的未来研究展望
6．6 本章小结
第7章 总结与展望
7．1 研究总结
7．2 下一步工作
参考文献