压缩感知 编辑
压缩感知，也被称为压缩采样或稀疏采样，是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中，用于获取和重构稀疏或可压缩的信号。这个方法利用讯号稀疏的特性，相较于奈奎斯特频率，得以从较少的测量值还原出原来整个欲得知的讯号。核磁共振成像就是一个可能使用此方法的应用。这一方法至少已经存在了四十年，由于Emmanuel Candès、戴维·多诺霍、Justin Romberg和陶哲轩的工作，最近这个领域有了长足的发展。
8
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
戴维·多诺霍，史丹佛大学统计学教授，同时也是人文与科学教授。他的研究包括开发构建高维数据问题低维代表性的有效方法、开发降噪和压缩感知的小波。2019年当选美国哲学会会士。
压缩感知是一种新兴的取样方法，相比长久以来被使用的奈奎斯特采样定理，能更高效的方式采样信号。压缩感知最主要利用信号的稀疏性来寻找欠定线性系统的稀疏解，因此能从较少的取样样本中还原信号。近几年有许多文献提出了许多有效的算法，大多是透过迭代的方式找到系数并还原信号，相较同时找到最大系数的方式，能更精确的还原信号。