CS framework:三个核心公式
压缩感知框架所要解决的是信号采样问题,如一个
N
维的信号
y=Φx
y∈RN×1 就是所谓的观测向量(measured vector), Φ∈RM×N 是随机观测矩阵(random measurement matrix)。
压缩感知的理论要求,在给定观测值
y
和观测矩阵
Φ
的条件下,要想唯一地重建出原始信号
x
,
x
必须在某一给定的一组基
Ψ
下是稀疏的。这意味着:
x=Ψs
s 就是所谓的 K−sparse ,也即 s 中最多有 K 个显著不为零的元素。基(basis)
y=As
其中 A=ΦΨ 。
单观测向量(SMV) vs 多观测向量(MMVs)
因为只有一个观察向量 y ,以上问题又被称作单观测向量问题(SMV,Single Measurement Vector)在压缩感知的理论体系中。
有单观测向量问题,自然也就有多观测向量问题(MMVs,Multiple Measurement Vectors),其要解决的问题是,从
L
个观察向量的集合