压缩感知回顾与展望

被引：311

作者：

焦李成

杨淑媛

刘芳

侯彪

机构：

[1] 智能感知与图像理解教育部重点实验室西安电子科技大学

来源：

电子学报 | 2011年 / 39卷 / 07期

关键词：

压缩感知; 稀疏表示; 压缩观测; 优化恢复;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

压缩感知是建立在矩阵分析、统计概率论、拓扑几何、优化与运筹学、泛函分析等基础上的一种全新的信息获取与处理的理论框架.它基于信号的可压缩性,通过低维空间、低分辨率、欠Nyquist采样数据的非相关观测来实现高维信号的感知.压缩感知不仅让我们重新审视线性问题,而且丰富了关于信号恢复的优化策略,极大的促进了数学理论和工程应用的结合.目前,压缩感知的研究正从早期的概念理解、数值仿真、原理验证、系统初步设计等阶段,转入到理论的进一步深化,以及实际系统的开发与应用阶段.本文分析了压缩感知的原理与应用,综述了压缩感知的最新进展及存在的问题,指出了进一步研究的方向.

引用

页码：1651 / 1662

页数：12

共 7 条

[1] 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

[2] Compressed sensing based interior tomography [J].

Yu, Hengyong ;

Wang, Ge .

PHYSICS IN MEDICINE AND BIOLOGY, 2009, 54 (09) :2791-2805

[3]

Enhancing Sparsity by Reweighted ? 1 Minimization[J] . Emmanuel J. Candès,Michael B. Wakin,Stephen P. Boyd.Journal of Fourier Analysis and Applications . 2008 (5)

[4] Compressed sensing for resolution enhancement of hyperpolarized 13C flyback 3D-MRSI [J].

Hu, Simon ;

Lustig, Michael ;

Chen, Albert P. ;

Crane, Jason ;

Kerr, Adam ;

Kelley, Douglas A. C. ;

Hurd, Ralph ;

Kurhanewicz, John ;

Nelson, Sarah J. ;

Pauly, John M. ;

Vigneron, Daniel B. .

JOURNAL OF MAGNETIC RESONANCE, 2008, 192 (02) :258-264

[5]

A remark on Compressed Sensing[J] . B. S. Kashin,V. N. Temlyakov.Mathematical Notes . 2007 (5)

[6] A Simple Proof of the Restricted Isometry Property for Random Matrices [J].

Baraniuk, Richard ;

Davenport, Mark ;

DeVore, Ronald ;

Wakin, Michael .

CONSTRUCTIVE APPROXIMATION, 2008, 28 (03) :253-263

[7]

Exact feature extraction using finite rate ofinnovation principles with an application to image su-per-resolution .2 Loic B. IEEE Transaction on Image Pro-cessing . 2009

← 1 →