压缩感知的主要研究内容有信号的稀疏表达、观测矩阵的设计和信号恢复。精确的信号恢复算法是压缩感知中的关键。因此本文在压缩感知理论框架下研究恢复算法中的凸优化算法- Compressive sensing offers a variety of research fields, including signal sparse representation, sensing matrix design, signal reconstruction. Accurately signal reconstr

MOD算法是经典的字典学习算法，他能适应各种信号如图像、声音、机床振动等的稀疏表示-MOD algorithm is the classic dictionary learning algorithm, he can adapt to a variety of signals, such as sparse image, sound, vibration or the like, said machine tool

压缩感知经典算法——ROMP，可实现信号压缩重构，针对不同稀疏度测试重构精度。

卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称