压缩感知总结.docx

压缩感知理论包括三个关键技术：信号的稀疏表示、测量矩阵的设计与重构算法的研究。1 信号的稀疏表示将N维信号在一组正交基(其中)是进行展开，得到： (1-1)其中。写成矩阵的形式可以得到： (1-2)其中为正交基字典矩阵，信号被称为项稀疏，表示其等价表示，向量中，只有项元素非零，其它元素全部为零。在我们研究的压缩感知中，主要考虑这种情况。这时，信号称为可压缩的。通过采用测量矩阵(行列，且)与式（1-2）中信号向量相乘，可以得到个测量结果，可写为：(1-3)式(1-3)中的列向量是信号的压缩线性测量结果(观测向量)。令公式（1-3）中，得到无噪声情况下的压缩感知的模型为：(1-4)显然，式（1-4）中A是维观测矩阵。而含有噪声的压缩感知模型为： (1-5)式(1-5)中为噪声项。恢复出了后，通过即可恢复出。接下来我们要做的是找到一个合适的观测矩阵，使得降维后的观测向量依然可以保存信号中的信息。然后由于式(1-5)是个欠定方程组，我们要寻找合适的重构算法来恢复。2 观测矩阵的设计2.1 受限等距性质信号能够重构的必要条件是测量矩阵满足受限等距性质RIP（Restricted isometry property）。为了更好的描述看受限等跟性质的定义。定义2.1