世事洞明皆学问

经典的压缩感知重构算法是不考虑观测矩阵存在误差的情况的，然而，在实际的使用过程中，这个误差是存在的，他会引起观测矩阵的“失配”引起，最终影响到重构信号的质量。采用总体最小二乘法可以对该误差进行良好的估计，通过优化算法进行一定的约束，使得重构输出信号尽可能接近真实信号。本文提供了针对此类问题的一个样例。

本文就基于全变分正则化的压缩感知问题，实现了基于ADMM的重构算法，提供仿真源码

奈奎斯特采样定律告诉我们，在信号采集的过程中，采样频率需要大于带宽的2倍以上，才能够保证不失真地恢复原始信号。但是在许多应用中，例如数字图像和视频处理，奈奎斯特采样频率会非常高，导致采样过程产生大量的数据，这些数据通常需要先进行压缩，才能够进行存储。许多科研人员意识到，很多采集到的数据在存储时都是可以丢弃的，并不会影响人的感官体验。声音信号、图像信号的有损压缩就是一个很好的例子。那么这就产生了一个自然的问题：既然我们明知道采集到的信号有一部分是可以直接丢弃的，为什么还要费劲去采集那些本身就没用的信号呢？

从最优化角度初步认识压缩感知框架