压缩感知中结构化传感矩阵的现状与展望
信息论
2016-11-24 v1 math.IT
摘要
压缩感知 (CS) 使人们能够直接获取压缩测量值，并在采样率远低于 Nyquist 率的情况下忠实地恢复稀疏或可压缩信号。然而，纯随机传感矩阵通常需要巨大的存储空间以及高昂的信号重建计算成本。最近提出了许多结构化传感矩阵，以简化传感方案并便于实际硬件实现。本文基于受限等距性质 (restricted isometry property) 和相干性，回顾了几种现有的结构化传感矩阵，它们具有特殊结构、高恢复性能以及构造简单、计算快速和易于硬件实现等诸多优势。文章比较了不同结构矩阵的测量次数和通用性。
引用
@article{arxiv.1408.1391,
title = {State of the Art and Prospects of Structured Sensing Matrices in Compressed Sensing},
author = {Kezhi Li and Shuang Cong},
journal= {arXiv preprint arXiv:1408.1391},
year = {2016}
}