压缩感知理论的理解

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