稀疏表示、压缩感知.

稀疏表示是基础，把信号通过一定的基向量映射到另外一个空间，使信号在这个空间是稀疏的，这样才能进行下面的什么信号观测，信号重构。

压缩感知只是借用稀疏表示为工具，来实现信号重构啊。 你要注意到CS的恢复矩阵A = Phi * Psi 和稀疏表示中字典D的区别。 多了一个测量矩阵Phi，这就是CS与稀疏表示的区别的地方。CS的关键是非相关测量，也就是Phi与Psi的关系，以及非相关测量，如何通过硬件在光域中实现。只要满足非相关测量，在重构信号时就可以采用稀疏表示的一些找系数的算法，例如OMP、GPSR来来实现重构了。 不过需要提醒的时，CS的重构不光是稀疏表示算法一种方法来完成，还有很多种方法。不同的应用领域，有不同的算法能够获得较好效果。希望对你有用。

压缩感知关键要素包括稀疏表示、测量矩阵和重构算法。
信号在某种表示方式下的稀疏性，是压缩感知应用的理论基础。经典的稀疏化的方法有离散余弦变换（DCT）、傅里叶变换（FFT）、离散小波变换（DWT）等。

稀疏表示是压缩感知的前提

那边是主要做稀疏表示的，顺带刷了CS的文章，因为CS重建用的是稀疏表示。