压缩感知（Compressive Sensing）一

最新推荐文章于 2020-07-23 23:03:58 发布

楼桑下的龙雏

最新推荐文章于 2020-07-23 23:03:58 发布

阅读量805

点赞数 1

分类专栏：压缩感知文章标签：压缩感知

本文链接：https://blog.csdn.net/sanglong01/article/details/46503471

版权

压缩感知（Compressive Sensing，CS）是一种新兴的信号处理理论，由著名科学家提出。该理论试图减少信号测量成本，通过假设信号在特定域内稀疏，从而实现仅用少量测量值完全复原信号。例如，原本需要1000次测量的信号，通过CS可能仅需300次。陶哲轩等人的工作对此领域有重要贡献，他们的研究涉及如何利用小波对图像进行高效压缩，通过记录显著小波系数达到压缩目的。

摘要由CSDN通过智能技术生成

由于对markdown编辑器不熟悉，博客居然没了一半，所以我决定。。。回来再填坑吧。
本文参考：http://blog.csdn.net/zouxy09/article/details/8118313 进行编写。
压缩感知（压缩传感，Compressive Sensing，后面简称CS）理论是近年来信号处理领域诞生的一种新的信号处理理论，由D. Donoho(美国科学院院士)、E. Candes(Ridgelet, Curvelet创始人)及华裔科学家T. Tao(2006年菲尔兹奖获得者)等人提出，自诞生之日起便极大地吸引了相关研究人员的关注。
截止到2014年（似乎是每年进行更新），主要的CS文章被收录在：http://dsp.rice.edu/cs。
CS最核心的概念在于试图从原理上降低对一个信号进行测量的成本。举个例子，一个信号包含一千个数据，那么按照传统的信号处理理论，至少需要做一千次测量才能完整的复原这个信号。这就相当于是说，需要有一千个方程才能精确地解出一千个未知数来。但是压缩感知的想法是假定信号具有某种特点（比如文中所描述得在小波域上系数稀疏的特点），那么就可以只做三百次测量就完整地复原这个信号（这就相当于只通过三百个方程解出一千个未知数）。陶哲轩本身是这个领域的奠基人之一，下面是他的介绍性文章的节选：