问题追踪

1、原理：压缩感知就是对一个N维信号x进行一个压缩观测得到M个观测值y，即y=Φx，其中M<<N，然后由压缩观测y恢复信号x的过程；所以压缩感知属于第三种情况，此类方程我们称为病态方程或欠定方程，英文一般写为ill-posed。

为了求解欠定方程y=Φx，我们将信号在某组稀疏基Ψ_i,i=1~N,下进行展开，即x=Ψθ，稀疏矩阵Ψ为N×N维，展开系数θ为N×1维的列向量且是K稀疏的，即只有K项非零项且K<<N，则观测方程y=Φx变为y=ΦΨθ，令A=ΦΨ，则y=ΦΨθ表示为y=Aθ，虽然此时方程y=Aθ仍为欠定方程，但由于展开系数θ是K稀疏的，因此可以通过某种数学方法由压缩观测y恢复稀疏展开系数θ，然后由x=Ψθ即可得到原始信号x。

2、现有文献中信号X都是做为离散信号处理的，Y=ΦX完成压缩采样，如果是模拟信号怎么办呢？就是说还得要先用Shannon-Nyquist定理指导AD采样得到N维的信号X再压缩观测得到M维的Y意义何在呢？相当于说高成本的ADC已经使用，然后在接收端还得经过复杂的重建算法，好折腾的感觉，这和压缩感知的初衷就背离了吧（采样的同时完成压缩）？