【摘要】：由图2-1可知，基于压缩感知理论的信号采集系统将模拟信号直接转换为压缩的数字信号，并传输或存储；在接收端，利用稀疏重建算法就可由观测信号重构出所需要的原始信号。由此可知，利用压缩感知理论进行信号采集时，模拟信号转换为数字信号时不再以统一的采样率，而是利用实验性函数建立观测矩阵，通过观测的方式得到原始信号极少量的采样值。
压缩感知理论在实际应用时，将数据采样和数据压缩合并为一个步骤，利用计算复杂度换取高昂的硬件资源，即使用尽量少的感知传感器采样获取大部分目标信息，如图2-1所示。
图2-1 基于压缩感知理论的信号处理框架(www.xing528.com)
压缩感知理论的核心思想是压缩与采样并行开展，在应用时分为三个基本步骤：①提取信号的特征，对信号进行稀疏表示；②采集稀疏表示后的测量值；③根据测量值对信号进行重构。由图2-1可知，基于压缩感知理论的信号采集系统将模拟信号直接转换为压缩的数字信号，并传输或存储；在接收端，利用稀疏重建算法就可由观测信号重构出所需要的原始信号。由此可知，利用压缩感知理论进行信号采集时，模拟信号转换为数字信号时不再以统一的采样率，而是利用实验性函数建立观测矩阵，通过观测的方式得到原始信号极少量的采样值。
有关的信道测量实验表明，宽带传输的信号会导致无线信道表现为非常明显的稀疏特性。因此，压缩感知技术可以为信道估计问题提供全新的研究思路，为提高未来通信系统的整体性能提供有力的支持。
压缩感知应用到稀疏信号处理中需要解决三个方面的问题：稀疏表示（Sparse representation，SR）、观测矩阵的特性以及压缩感知重建信号。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
