压缩感知理论的理解
1.压缩感知的条件:
(1)信号的可压缩性也就是稀疏性
(2)观测矩阵与稀疏矩阵的不相关性
满足上面两个条件就可以从低分辨率观测中重构出高分辨率信号。
观测矩阵Φ:M×N是与正交基Ψ不相关的矩阵(一般可以选高斯随机矩阵作为观测矩阵,它与大多数固定正交基构成的矩阵不相关),这里Φ的每一行可以看作是一个传感器,它与系数相乘,获取了信号的部分信息,对信号x进行压缩观测
得到M个线性观测y,这些少量线性投影中则包含了重构信号x的足够信息
从y中恢复x是一个解线性方程组的问题,但从上式来看,这是一个未知数大于方程个数的病态方程,即为欠定问题,存在无穷多个解。
之前提到了CS的两个条件,信号x是可稀疏的,
其中的 是N×N维的正交基字典矩阵。θ即为稀疏向量。
将(2ÿ