常数 C 通常未指定，因为它可能非常难以计算。它与信号维度无关，Compressed Sensing 中的结果通常只关注 big-O 结果，所以当我们说类似$m = \mathcal{O}(s \ln{(N/s)})$. 这个陈述的重要部分是对稀疏度的强烈依赖，以及信号维度$N$仅以对数方式影响测量次数。

举一个这样的常数来自哪里的例子：让$V_d$是单位的体积$\ell_2$球进$\mathbb{R}^d$. 一些简单的情况是$V_2 = \pi r^2$和$V_3 = \frac{4}{3} \pi r^3$. 请注意，这两个结果都是形式$V_d = C r^d$, 这个模式推广到有限的$d$. 在 CS 中，它是$r^d$我们感兴趣的，因为它捕获了对信号维度的依赖性。

所以$C$将根据算法而有所不同，因为在证明中可能会使用不同的不等式。我不知道有任何专门计算 C 的出版物。

除其他外，C 取决于重建算法。