摘要
压缩感知(Compressive sensing,CS)是一种全新的信息采集与处理的理论框架.借助信号内在的稀疏性或可压缩性,可从小规模的线性、非自适应的测量中通过非线性优化的方法重构信号.结构化压缩感知是在传统压缩感知基础上形成的新的理论框架,旨在将与数据采集硬件及复杂信号模型相匹配的先验信息引入传统压缩感知,从而实现对更广泛类型的信号准确有效的重建.本文围绕压缩感知的三个基本问题,从结构化测量方法、结构化稀疏表示和结构化信号重构三个方面对结构化压缩感知的基本模型和关键技术进行详细的阐述,综述了结构化压缩感知的最新的研究成果,指出结构化压缩感知进一步研究的方向.
学科与关键词
关键词
压缩感知压缩观测稀疏表示信号重构结构模型 Compressive sensing(CS)compressive measurementsparse representationsignal reconstructionstruc-tured model
- 利用概率对稀疏域划分的压缩感知方法田玉敏; 宋君西安电子科技大学学报, 2013, (06): 52-57.
- 框架表示下的压缩感知问题研究蔡云; 石莹科技资讯, 2019, (28): 173-174.
- 压缩感知中确定性测量矩阵构造算法综述王强; 李佳; 沈毅电子学报, 2013, (10): 2041-2050.
