liufan19860514的博客

序贯压缩感知[11]提供了一种不需要知道稀疏度 ，而直接利用观测值估算重构误差的方法。

Dror Baron等在其名为“Distributed Compressed Sensing”指出具有相关信息的多个观测源采用联合重构算法可以获取更好的重构效果，当观测源足够多时，甚至只需要K+1观测次数就可以完全重构出原信号。文献中提出了两种算法OSGA（One-Step Greedy Algorithm）和SOMP（Simultaneous Orthogonal Matching Pursuit）。

压缩感知（compressed sensing）。所谓压缩感知，最核心的概念在于试图从原理上降低对一个信号进行测量的成本。比如说，一个信号包含一千个数据，那么按照传统的信号处理理论，至少需要做一千次测量才能完整的复原这个信号。这就相当于是说，需要有一千个方程才能精确地解出一千个未知数来。但是压缩感知的想法是假定信号具有某种特点（比如文中所描述得在小波域上系数稀疏的特点），那么就可以只做三百次测量就完整地复原这个信号（这就相当于只通过三百个方程解出一千个未知数）。可想而知，这件事情包含了许多重要的数学理论和广泛的应用前景，因此在最近三四年里吸引了大量注意力，得到了非常蓬勃的发展。