压缩感知参考文献

最新推荐文章于 2023-03-23 12:05:15 发布

mensanesei

最新推荐文章于 2023-03-23 12:05:15 发布

阅读量3.5k

点赞数 1

分类专栏：压缩传感资料文章标签： processing signal image application orthogonal optimization

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/mensanesei/article/details/7237063

版权

压缩感知（Compressed Sensing）是一种创新的信号处理技术，它利用信号的稀疏性进行高效采样和重构。该领域的研究在最近几年取得了显著的进步，主要归功于Donoho、Candes、Romberg和陶哲轩等学者的工作。这一技术广泛应用在图像处理、信号检测等多个领域。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

压缩感知（Compressed sensing），也被称为压缩采样或稀疏采样，是一种利用稀疏的或可压缩的信号进行信号重建的技术。这一方法至少已经存在了四十年，由于David Donoho、Emmanuel Candes、Justin Romberg和陶哲轩的工作，最近这个领域有了长足的发展。

压缩传感基础理论

Emmanuel Candès, Compressive sampling. (Int. Congress of Mathematics, 3, pp. 1433-1452, Madrid, Spain, 2006)
Richard Baraniuk, Compressive sensing. (IEEE Signal Processing Magazine, 24(4), pp. 118-121, July 2007)
Emmanuel Candès and Michael Wakin, An introduction to compressive sampling. (IEEE Signal Processing Magazine, 25(2), pp. 21 - 30, March 2008) [High-resolution version]
Justin Romberg, Imaging via compressive sampling. (IEEE Signal Processing Magazine, 25(2), pp. 14 - 20, March 2008)

压缩感知重构算法

Joel Tropp and Anna Gilbert, Signal recovery from random measurements via orthogonal matching pursuit. (IEEE Trans. on Information Theory, 53(12) pp. 4655-4666, December 2007)
David Donoho and Yaakov Tsaig, Fast solution of ell-1-norm minimization problems when the solution may be sparse. (Stanford University Department of Statistics Technical Report 2006-18, 2006)
Mário A. T. Figueiredo, Robert D. Nowa

最低0.47元/天解锁文章

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。