压缩感知（1）

信号的稀疏表示

信号$f$在某组基$\Psi$下可以表示为

$$f=\Psi x$$
若 $x$中只有$K$个元素非0，称 $x$为信号$f$的 $K$稀疏表示。
$K$为稀疏度。

压缩传感

考虑某稀疏信号$z\in R^N$，已知测量矩阵$\Phi \in R^{M\times N}(M\ll N)$，及$z$在改矩阵下的线性测量值$y\in R^M$

$$y=\Phi z$$
对上式，因为 $y$的维数小于$z$的维数，所以已知 $y$求解$z$时方程有无穷多解。即无法从观测值 $y$重构出$z$。
但利用 $z$的稀疏性，如果矩阵$\Phi$满足 约束等距性条件,则可以通过观测值 $y$精确重构出$z$。

完整的压缩传感表示

综合以上两方面。如果信号$f$在某种变换域$\Psi$中可以稀疏表示$f=\Psi x$，考虑测量公式$y=\Phi f$
同时

$$y=\Phi f=\Phi \Psi x=\tilde{\Phi} x$$
其中 $\tilde{\Phi} =\Phi \Psi$为 $M \times N$矩阵。
如果矩阵 $\tilde{\Phi}$满足 约束等距性条件,则可以通过观测值 $y$精确重构出原始信号$f$。

约束等距性条件

当测量矩阵$\Phi$与稀疏表示矩阵$\Psi$不相关时，已经证明$\tilde{\Phi}$满足约束等距性条件。
但$\Phi$与$\Psi$不相关也很难满足。
已证明，当$\Phi$时高斯随机矩阵时，传感矩阵$\tilde{\Phi}$以较大概率满足约束等距性条件。