压缩感知综述

被引:49
作者
尹宏鹏 [1 ]
刘兆栋 [1 ]
柴毅 [1 ,2 ]
焦绪国 [1 ]
机构
[1] 重庆大学自动化学院
[2] 重庆大学输配电装备及系统安全与新技术国家重点实验室
关键词
压缩感知; 稀疏表示; 测量矩阵; 稀疏重构算法;
D O I
10.13195/j.kzyjc.2013.10.013
中图分类号
TN911.7 [信号处理];
学科分类号
0711 ; 080401 ; 080402 ;
摘要
压缩感知理论的诞生使得采样速率与信号的结构和内容相关,并以低于奈奎斯特采样定理要求的频率采样、编码和重构.在实际应用中,为解决数据冗余和资源浪费的瓶颈问题开拓了一条新道路,也为其他学科发展提供了新的契机.从发展历史和研究现状等方面入手,对稀疏表示、测量矩阵的构造、稀疏重构算法和主要应用方面进行了详细的梳理和研究.对当前研究的热点、难点作了分析和探讨,并指出了未来的发展方向和应用前景.
引用
收藏
页码:1441 / 1445+1453 +1453
页数:6
相关论文
共 18 条
[1]   一种新的基于遗传算法的压缩感知重构方法及其在SAR高分辨距离像重构中的应用 [J].
朱丰 ;
张群 ;
柏又青 ;
冯有前 ;
张维强 ;
毕博 .
控制与决策 , 2012, (11) :1669-1675
[2]   压缩感知中构造测量矩阵研究 [J].
付强 ;
李琼 .
电脑与电信, 2011, (09) :39-41
[3]   压缩感知研究 [J].
戴琼海 ;
付长军 ;
季向阳 .
计算机学报, 2011, 34 (03) :3425-3434
[4]   基于联合正则化及压缩传感的MRI图像重构 [J].
王艳 ;
练秋生 ;
李凯 .
光学技术, 2010, 36 (03) :350-355
[5]   压缩感知理论在探地雷达三维成像中的应用 [J].
余慧敏 ;
方广有 .
电子与信息学报, 2010, 32 (01) :12-16
[6]   基于互信息的分布式贝叶斯压缩感知(英文) [J].
汪振兴 ;
杨涛 ;
胡波 .
中国科学技术大学学报, 2009, 39 (10) :1045-1051
[7]   压缩感知理论及其研究进展 [J].
石光明 ;
刘丹华 ;
高大化 ;
刘哲 ;
林杰 ;
王良君 .
电子学报, 2009, 37 (05) :1070-1081
[8]   基于非常稀疏随机投影的图像重建方法 [J].
方红 ;
章权兵 ;
韦穗 .
计算机工程与应用, 2007, (22) :25-27
[9]   Undersampled MRI reconstruction with patch-based directional wavelets [J].
Qu, Xiaobo ;
Guo, Di ;
Ning, Bende ;
Hou, Yingkun ;
Lin, Yulan ;
Cai, Shuhui ;
Chen, Zhong .
MAGNETIC RESONANCE IMAGING, 2012, 30 (07) :964-977
[10]  
The restricted isometry property and its implications for compressed sensing[J] . Emmanuel J. Candès.Comptes rendus - Mathématique . 2008 (9)