原创力文档摘要
压缩感知（CompressedSensing,CS）是一种信号处理技术，它能够以远低于
奈奎斯特定理的要求测量值直接捕获信号的稀疏信息，通过在信号获取阶段进行
采样和压缩，从而显著降低数据量，已广泛应用于图像处理和生理信号分析等领
域。然而，传统压缩感知方法通常依赖于稀疏模型的先验假设，性能在实际应用
中容易受到信号复杂度和模型匹配度的限制，特别是在高维信号重构中面临依赖
人工经验调参、计算复杂度高及泛化性不足的问题。本文提出一种融合模型驱动
与数据驱动的双驱动压缩感知架构，在贝叶斯推理
摘要
压缩感知（CompressedSensing,CS）是一种信号处理技术，它能够以远低于
奈奎斯特定理的要求测量值直接捕获信号的稀疏信息，通过在信号获取阶段进行
采样和压缩，从而显著降低数据量，已广泛应用于图像处理和生理信号分析等领
域。然而，传统压缩感知方法通常依赖于稀疏模型的先验假设，性能在实际应用
中容易受到信号复杂度和模型匹配度的限制，特别是在高维信号重构中面临依赖
人工经验调参、计算复杂度高及泛化性不足的问题。本文提出一种融合模型驱动
与数据驱动的双驱动压缩感知架构，在贝叶斯推理
文档评论（0）