文章名:《An Introduction To Compressive Sampling》
作者:Emmanuel J.Candes and Michael B.Wakin
本文主要是对压缩感知原理以及应用的一个简单介绍。本文主要分为
- 提出感知问题:只要满足一定稀疏性的信号在满足一定相干性的感知矩阵的测量下,可以通过linear programming 等方法重构信号。
- 稀疏性:我们可以选一个基(可以正交或非正交)对信号进行稀疏表示,然后仅取其中稀疏较大的部分进行信号的表示,比如
在对图一(a)进行小波变换后,得到图一(c):在其中我们丢掉了97.5%的系数,图一(b)是图片的小波系数。
- 非相干性:我们通常以下述公式衡量:
,它的取值范围在[1,]。
2. 欠采样和稀疏信号恢复:
恢复策略如下: subject to .
3. 鲁棒压缩采样:即在含噪声的情况对信号做欠采样的准确恢复。
介绍RIP: 。
鲁棒性下的信号恢复策略即为: subject to 。通常这也被称作LASSO问题。
4. 本文介绍的随机感知方式有以下几种:
- 在的单位球面上,随机均匀地采样n个列向量构成感知矩阵A。
- 从均值为0,方差为1/m的正太分布中抽取服从iid分布的项构成A。
- 对一个随机投影P进行采样并进行归一化,A= 。
- 从对称伯努利分布或其他亚高斯分布中IID地抽取来形成A。
最后两部分总结说明什么是cs以及cs的应用。
参考文献:Candes E J , Wakin M B . An Introduction To Compressive Sampling[J]. IEEE Signal Processing Magazine, 2008, 25(2):21-30.