對壓縮感知的簡單理解：
（1）cs的前提是訊號的稀疏性，這包括訊號本身在時域上是稀疏的或者訊號經過一定的變換在相應的變換域（包括頻域、小波域等）上是稀疏的。
（2）通過y=phi*x得到測量訊號（y是m維，phi是m*n維測量矩陣，x為n維原始訊號），這樣得到的測量訊號y就可以傳輸或者儲存了。
（3）但cs的關鍵問題是通過一定的演算法在壓縮取樣資料接收端由y恢復出原始的訊號x，此重構問題是乙個欠定問題，通過相應的範數（最終都是求解乙個l1範數優化）恢復方法是已知y和感知矩陣求解原始訊號x在變換域上的估計值hat_y(也就是在稀疏域上的線性表示係數)，得到hat_y之後經過反變換自然就得到了恢復的原始訊號。
壓縮感知學習筆記
壓縮感知之前用於影象比較多，研究也比較成熟。它是乙個數學工具，可以用到很多方面，現在也逐漸用於其他方面。這篇博文主要對壓縮感知的資料進行整理，摘引很多大牛的文章，希望整理後的資料對入門者有一定的指導作用。第一篇 初識壓縮感知compressive sensing rachel zhang 大多數訊號...
稀疏學習與壓縮感知
當樣本資料為稀疏矩陣時，對學習任務有不少好處 稀疏矩陣 矩陣的 每一行 列都包含大量的零元素，且這些零元素沒有出現在同一行 列中。非零元素遠小於零元素 字典學習 側重於為普通稠密表達的樣本找到乙個合適的矩陣 稀疏表示 將樣本轉化為合適的稀釋表示形式，從而使學習任務變得簡單 壓縮感知在前些年也是風風火...
壓縮感知簡介
nyquist取樣定理 夏農取樣定理 指出，取樣速率達到訊號頻寬的兩倍以上時，才能由取樣訊號精確重建原始訊號。可見，頻寬是nyquist 取樣定理對取樣的本質要求。然而隨著人們對資訊需求量的增加，攜帶資訊的訊號頻寬越來越寬，以此為基礎的訊號處理框架要求的取樣速率和處理速度也越來越高。解決這些壓力常見...