信号处理中的压缩感知数学概念

信息处理 离散信号 稀疏性 压缩传感
2022-01-28 15:41:01

我是压缩感知领域的新手,我读过很多论文,解释压缩感知广泛用于稀疏信号重建。我试图了解如何在信号处理中使用压缩传感,但我无法理解这个概念。

根据论文On some common compressive sense recovery algorithms and applications - Review paper in page 2, THE MATHEMATICAL BENSING CONCEPT,我得到了压缩感知数学概念的最佳描述。假设我们正在处理信号x有长度N,即时域稀疏。所以根据方程 5,我们可以将系统方程写为Y=AX, 在哪里A是 CS 矩阵。我的问题,

1-什么是信号x有长度N我们要重建哪个?是吗X或者Y? 什么A代表?

2-是否有任何教程或文件可以详细而简单地解释这一点?

1个回答

如果信号x在原始/时域中已经是稀疏的,则不需要对其进行转换,即转换J可以认为是身份。所以xX=Jx是平等的。我们想要的是从观察到的恢复y, 未知x,通过恢复X, 自从x=J1X. 在这种情况下,A只是“随机”传感矩阵。

上面的论文似乎并不太复杂,我不确定有很多“简单得多”的解释。你可以试试: