稀疏表示应用研究 信号稀疏表示方法研究及国内外研究现状-the method of Sparse Representation

压缩感知理论及其研究进展,文综述了cs理论框架及关键技术问题，并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展，是一篇综述。-Compression perception theory and research progress, cs paper reviews the theoretical framework and key technical issues and focuses on the latest developments signal sparse tran

经典的香农采样定理认为,为了不失真地恢复模拟信号,采样频率应该不小于奈奎斯特频率(即模拟信号 频谱中的最高频率)的两倍.但是其中除了利用到信号是有限带宽的假设外,没利用任何的其它先验信息.采集到 的数据存在很大程度的冗余.Donoho等人提出的压缩感知方法(Compressed Sensing或Compressive Sampling, CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息,利用随机投影实现了在远低于奈奎斯 特频率的采样频率下对压缩数据的直接采集.该

基于稀疏分解的宽带信号DOA估计方法，使用了基于贝叶斯的方法具有良好的估计精度和分辨率-Wideband signal sparse decomposition DOA estimation method based on the use of a method based on Bayesian estimation has good accuracy and resolution