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。