论文部分内容阅读
压缩感知（Compressed Sensing或Compressed Sampling，CS）理论突破了经典的奈奎斯特采样定理的极限，提出一种全新的采样理论，通过开发信号的稀疏特性，在远小于Nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过数值最优化问题精确重构出原始信号。本文综述了CS基本原理，介绍了信号稀疏表示、测量矩阵的设计和信号的重构算法等内容以及CS理论研究现状和在相关领域的应用。