压缩感知理论及其研究进展

被引：715

作者：

石光明 ^{[1
]}

刘丹华 ^{[1
]}

高大化 ^{[1
,2
]}

刘哲 ^{[3
]}

林杰 ^{[1
]}

王良君 ^{[1
]}

机构：

[1] 西安电子科技大学智能感知与图像理解教育部重点实验室

[2] 空军工程大学理学院

[3] 西北工业大学理学院

来源：

电子学报 | 2009年 / 37卷 / 05期

关键词：

信息采样; 压缩感知; 稀疏表示; 观测矩阵;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.

引用

页码：1070 / 1081

页数：12

共 11 条

[1] 一种冗余字典下的信号稀疏分解新方法 [J].

刘丹华 ;

石光明 ;

周佳社 .

西安电子科技大学学报, 2008, (02) :228-232

[2] 基于冗余字典的信号超完备表示与稀疏分解 [J].

张春梅 ;

尹忠科 ;

肖明霞 .

科学通报, 2006, (06) :628-633

[3] 图像的多尺度几何分析:回顾和展望 [J].

焦李成 ;

谭山 .

电子学报, 2003, (S1) :1975-1981

[4]

信号处理的小波导引[M]. 机械工业出版社 , (法)StephaneMallat著, 2002

[5] Quantitative robust uncertainty principles and optimally sparse decompositions [J].

Candès, Emmanuel J. ;

Romberg, Justin .

FOUNDATIONS OF COMPUTATIONAL MATHEMATICS, 2006, 6 (02) :227-254

[6] An iterative thresholding algorithm for linear inverse problems with a sparsity constraint [J].

Daubechies, I ;

Defrise, M ;

De Mol, C .

COMMUNICATIONS ON PURE AND APPLIED MATHEMATICS, 2004, 57 (11) :1413-1457

[7] Atomic decomposition by basis pursuit [J].

Chen, SSB ;

Donoho, DL ;

Saunders, MA .

SIAM REVIEW, 2001, 43 (01) :129-159

[8] Regression shrinkage and selection via the Lasso [J].

Tibshirani, R .

JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-STATISTICAL METHODOLOGY, 1996, 58 (01) :267-288

[9]

Fast encoding of synthetic aperture radar raw data using compressed sensing .2 S. Bhattacharya,T. Blumensath,B. Mulgrew et al. IEEE Workshop on Statistical Signal Processing . 2007

[10]

Compressed sensing DNA microarrays .2 M A Sheikh,O Milenkovic,R G Baraniuk. Rice ECE Department Technical Report TREE 0706 . 2007

← 1 2 →