本文介绍了分布式压缩感知的概念，特别是在多个传感器测量多个信号时的应用。分布式压缩感知基于信号的联合稀疏性，文章详细阐述了三种联合稀疏模型（JSM1、JSM2和JSM3），并提供了实际应用场景，如温度测量、声学定位和图像质量控制。
什么是分布式？
分布式系统是由一组通过网络进行通信、为了完成共同的任务而协调工作的计算机节点组成的系统。其目的是利用更多的机器，处理更多的数据。
什么是分布式压缩感知？
分布式压缩感知是针对多个传感器对多个信号进行压缩感知的情景，令每个传感器独立对信号进行测量，然后基于测量结果，综合利用信号内部以及信号之间的关联结构实现稀疏信号的恢复。
分布式压缩感知有一个大前提：原始信号之间具有联合稀疏性
针对此大前提，文章Distributed compressed sensing提出了三个联合稀疏模型（JSM），以下分别介绍。
JSM1-Model-Sparse common component + innovations
JSM1模型，文献中是这么描述的，所有信号都拥有一个共同成分（common sparse component）和一个特有成分（innovation component）并以表达式的形式
最低0.47元/天 解锁文章
扫一扫
3053
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
