基于压缩感知的数据压缩与检测

合集下载

压缩感知介绍

f1()：K f2()：err
f 2 ( x)
Minmum
Minmum
f1 (x)
压缩感知稀疏优化原理示意图
Two-Objective Minimum Problem:
Minmum
f (x) ( f1 (x), f 2 (x))
Pareto前沿
f 2 ( x)
Minmum
f1()：k f2()：err
University of illinois
压缩感知应用实例十—动态CT图像重建
压缩感知介绍
压缩感知介绍
1.压缩感知简介。
2.压缩感知的优势。
3.压缩感知稀疏优化原理示意图。
4.压缩感知应用条件。
5. 压缩感知应用。
背景
信息技术飞速发展：信息需求量剧增。
带宽增加：采样速率和处理速率增加。
压缩感知的发现者
伊曼纽尔· 坎迪斯： “这就好像，你给了我十位银行账号的前三位，然后我能够猜出接下来的七位数字。” 华裔数学家陶哲轩
压缩感知介绍
1.压缩感知简介。 2.压缩感知的优势。
3.压缩感知稀疏优化原理示意图。
4.压缩感知应用条件。
5. 压缩感知应用。 6.工作中可能结合之处。
压缩感知稀疏优化原理示意图
Two-Objective Minimum Problem:
Minmum
f (x) ( f1 (x), f 2 (x))
压缩感知介绍
1.压缩感知简介。
2.压缩感知的优势。
3.压缩感知稀疏优化原理示意图。
4.压缩感知应用条件。
5. 压缩感知应用。
传统的数据压缩与压缩感知
采集
压缩
解压
直接采集压缩后的数据

无线传感器网络基于压缩感知数据处理算法研究

数据之间的相关性，大大降低数据的冗余度，减少了数据量的传输。实验结果表明，在满足信号数据可靠性的同时，有效
的增加了信号的压缩比，减少了节点数据采集量。关键词：无线传感器网络；压缩感知；路由；均方误差；稀疏矩阵
ＺＨＵＡＮＧＹａｎ，ＳＨＥＮＪｕｎ，ＺＨＵＡＮＧＴｉａｎ。
（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ５４１００４，Ｃｈｉｎａ；２．ＤｅｐａｒｔｍｅｎｔｏｆＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈ，ＧｕｉｌｉｎＡｉｒＦｏｒｃｅＡｃａｄｅｍｙ，Ｇｕｉｌｉｎ５４１００３，Ｃｈｉｎａ；３．ＤｅｐａｒｔｍｅｎｔｏｆＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈ，ＨａｎｇｚｈｏｕＴｉａｎＬｉＴｅｃｈｎｏｌｏｇｙＬｉｍｉｔｅｄＣｏｍｐａｎｙ，Ｈａｎｇｚｈｏｕ３１００１２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｖｉｅｗｏｆｌｏｗｄａｔａｃｏｍｐｒｅｓｓｉｏｎｒａｔｅａｎｄｐｏｏｒｄａｔａｃｏｒｒｅｌａｔｉｏｎ，ｗｈｉｃｈｉｓｃａｕｓｅｄｂｙｄｉｓｔｒｉｂｕｔｅｄｄａｔａｓｔｏｒａｇｅｉｎｔｈｅｗｉｒｅ — ｌｅｓｓｓｅｎｓｏｒ，ｃｏｍｐｒｅｓｓｉｏｎｐｅｒｃｅｐｔｉｏｎａｌｇｏｒｉｔｈｍｉｓａｄｏｐｔｅｄｉｎｄａｔａｃｏｌｌｅｃｔｉｏｎａｎｄｔｒｅａｔｍｅｎｔ．Ａｃｃｏｒｄｉｎｇｔｏａｎａｎａｌｙｓｉｓｏｆｔｈｅｂａｓｉｓａｎｄｏｂｓｅｒｖａｔｉｏｎｍａｔｒｉｘ，ａｒｅａｓｏｎａｂｌｅｃｈｏｉｃｅｉＳｍａｄｅ，ｗｈｉｃｈｍｅｅｔｓｔｈｅｎｅｅｄｏｆｒｅｌｉａｂｉｌｉｔｙｏｆｄａｔａｔｒａｎｓｍｉｓｓｉｏｎｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋ．Ｉｎｔｈｅｍｅａｎｔｉｍｅ，ｗｉｔｈａｄｅｑｕａｔｅｃｏｎｓｉｄｅｒａｔｉｏｎｏｆｔｈｅｃｏｒｒｅｌａｔｉｏｎａｍｏｎｇｄａｔａ，ｔｈｅｄａｔａｒｅｄｕｎｄａｎｃｙａｎｄｔｈｅａｍｏｕｎｔｏｆｄａｔａｔｒａｎｓｍｉｓｓｉｏｎａｒｅｇｒｅａｔｌｙｒｅｄｕｌｅｄ．Ａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｉｔｅｆｆｅｃｔｉｖｅｌｙｉｎｃｒｅａｓｅｓｔｈｅｓｉｇｎａｌｃｏｍｐｒｅｓｓｉｏｎｒａｔｉｏａｎｄｄｅｃｒｅａｓｅｓｔｈｅｎｕｍｂｅｒｏｆｎｏｄｅｓ．Ｍｏｒｅｏｖｅｒ，ｔｈｅｒｅｌｉａｂｉｌｉｔｙｏｆｄａｔａｓｉｇｎａｌｉｓｍｅｔｓｉｍｕｌｔａｎｅｏｕｓｌｙ．Ｋｅｙｗｏｒｄｓ：ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ；ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ；ｒｏｕｔｉｎｇ；ｍｅａｎｓｑｕａｒｅｅｒｒｏｒ；ｓｐａｒｓｅｍａｔｒｉｘ

通感算一体化,压缩感知

通感算一体化,压缩感知压缩感知是一种通感算一体化的技术，它可以将大量的数据进行压缩处理，以便更高效地传输和存储。

这项技术的应用十分广泛，涉及到图像、视频、音频等各个领域。

在这篇文章中，我将以人类的视角来探讨压缩感知的相关内容。

我们来了解一下压缩感知的原理。

压缩感知通过对信号进行采样，然后将采样结果与信号进行匹配，从而找到信号中的稀疏表示。

这样就可以通过较少的采样量来恢复出原始信号，实现数据的压缩。

这种方式可以大大减少传输和存储所需的资源，提高系统的效率。

在图像领域，压缩感知技术可以将图像进行有效的压缩，减小图像文件的大小，同时保持图像的质量。

通过对图像进行采样和稀疏表示，可以减少传输和存储所需的带宽和空间。

这对于网络传输和存储空间有限的场景非常有用。

在视频领域，压缩感知技术同样发挥着重要的作用。

视频数据通常非常庞大，传输和存储成本很高。

通过采用压缩感知技术，可以将视频进行压缩，减小文件大小，提高传输和存储效率。

这对于视频监控、视频会议等应用非常重要。

在音频领域，压缩感知技术可以将音频信号进行压缩，减小文件大小，提高传输和存储效率。

这对于音频流媒体、语音通信等应用非常有益。

除了图像、视频和音频领域，压缩感知技术还可以应用于其他领域，如雷达成像、医学图像处理等。

通过压缩感知技术，可以在保持数据质量的前提下，减小数据量，提高系统的效率。

压缩感知是一种重要的通感算一体化技术，可以在不损失数据质量的前提下，减小数据量，提高系统的效率。

它在图像、视频、音频等各个领域都有广泛的应用。

通过采样和稀疏表示的方式，压缩感知可以实现数据的高效传输和存储。

这项技术的发展将为各个领域带来更多的便利和效益。

希望通过对压缩感知的探讨，能够增加大家对这一技术的了解，推动其在实际应用中的发展和应用。

基于压缩感知的人脸识别算法

基于压缩感知的人脸识别算法1 压缩感知介绍过去的几十年间，各种传感系统获取数据的能力不断地增强，这就对系统的采集和处理能力提出了更高的要求。

如果仍然采用传统的nyquis t采样定理，就需要二倍于信号带宽的采样率，这给采样硬件设备带来了极大的挑战。

压缩感知理论是由donoho与candes等人提出的一个新的理论框架，其在线性模型的基础上，核心是只要信号是稀疏的，低维信号就能很好的恢复到高维信号。

2 理论简介传统的信息处理主要由采样、压缩、传输和解压缩四个部分组成。

在这个传统过程中，采样率必须高于信号模拟信号中最高频率的二倍，随着图像数据的越来越大，这给采样设备提出了更高的要求。

传统的信号压缩是通过对信号进行一些变换（如：小波变换、离散余弦变换），然后剔除掉变换后为零或近似为零的数据，通过对少数绝对这大的新书进行压缩编码，从而实现大数据的压缩。

在传统信号获取过程中，将采样和压缩分开，是否可以将压缩和采样过程合并呢？于是有人就尝试着将采样和压缩过程合并，这不仅能够大大缓解香农定理对于采样率和传输处理的要求，也能够大大提高数据采集的效率和性能。

2.1 信号稀疏表示通常，大部分自然信号并不是稀疏的，但是通过实验发现大部分自然信号都可以通过某些映射变将其变换为稀疏的根据调和分析理论，一个一维离散信号f，可以通过一组标准正交基线性表出：或（3.1）其中，n为信号长度，为标准正交基，为正交基的第 i列的向量，系数矩阵。

如果系数矩阵x是稀疏的，那么原始信号f就是可稀疏表示的。

如果说系数矩阵x为信号f的k稀疏表示，则向量x中只有k个非零分量。

2.2信号重构在压缩感知中，信号的稀疏表示和重构是其核心。

现在我们考虑一个信号重构问题，它的测量矩阵为，原始信号为x，x在上的线性测量值为，即：（3.2）方程（3.2）展示了原始信号x在测量矩阵变换下的线性投影，现在我们考虑如何由信号y重构出原始信号x来。

原始信号x可以通过对测量值y的最优l 0范数问题的求解来实现重构：s.t （3.3）由于常见信号并不是稀疏的，但是可以通过某种变换变换为稀疏信号，即f=x，f为信号x在变换域的稀疏表示：（3.4）另外有：s.t （3.5）重构原始信号：（3.6）3 压缩感知压缩感知理论出现后，它以其优异的性能已经迅速地被应用到各个领域中了。

奈奎斯特采样和压缩感知

奈奎斯特采样和压缩感知奈奎斯特采样和压缩感知：从理论到应用的探究引言在信息处理领域，信号的采样和压缩是两个关键的概念。

奈奎斯特采样理论和压缩感知是两种常用的方法，它们在传感器网络、通信系统、图像处理等领域都得到了广泛的应用。

本文将深入探讨奈奎斯特采样和压缩感知的原理、应用以及个人观点。

1. 奈奎斯特采样的原理和应用奈奎斯特采样是用于从连续时间信号中获取离散时间采样的方法，它基于奈奎斯特——香农采样定理。

根据这个定理，为了完全恢复原始信号，采样频率必须大于信号的最高频率的两倍。

奈奎斯特采样的原理可以简化为“至少两倍采样频率”。

采样频率低于此阈值会导致信号失真，无法完全还原。

奈奎斯特采样在实际应用中有着广泛的用途。

在通信系统中，奈奎斯特采样保证了信号的信息不会丢失。

在图像处理中，奈奎斯特采样确保图像的每个像素都得到准确的采样。

这种采样方法在模拟信号转换为数字信号时起着至关重要的作用。

2. 压缩感知的原理和应用压缩感知是一种通过从稀疏信号中获取少量线性投影来重构信号的技术。

相比于传统的采样方法，压缩感知可以实现更高效的信号采样和信号重构，从而极大地减少数据传输和存储的需求。

压缩感知的原理基于两个重要的概念：稀疏表示和随机投影。

稀疏表示指的是信号可以用较少的非零系数表示。

随机投影是指通过在信号上进行线性投影来得到一组稀疏的测量结果。

通过这种方式，压缩感知能够仅使用较少的测量结果来还原信号，从而实现高效的信号处理。

压缩感知在许多领域都有重要的应用。

在无线传感器网络中，压缩感知可以减少传感器数据的传输量，延长网络寿命。

在医学影像处理中，压缩感知能够减少医学影像数据的存储需求，提高图像传输速度。

3. 个人观点和理解奈奎斯特采样和压缩感知作为信号处理领域的两个重要概念，具有各自的优势和应用场景。

奈奎斯特采样保证了信号的完整性和准确性，适用于连续时间信号的离散化处理。

而压缩感知则通过提取信号的稀疏表示，实现高效的信号采样和处理，适用于稀疏信号的重构和压缩。

基于压缩感知理论的重构算法

2023-11-11contents •压缩感知理论概述•基于压缩感知的重构算法基础•基于压缩感知的信号重构算法•基于压缩感知的图像重构算法•基于压缩感知的重构算法优化•基于压缩感知的重构算法展望目录01压缩感知理论概述在某个基或字典下，稀疏信号的表示只包含很少的非零元素。

稀疏信号通过测量矩阵将稀疏信号转换为测量值，然后利用优化算法重构出原始信号。

压缩感知压缩感知基本原理压缩感知理论提出。

2004年基于稀疏基的重构算法被提出。

2006年压缩感知技术被应用于图像处理和无线通信等领域。

2008年压缩感知在雷达成像和医学成像等领域取得重要突破。

2010年压缩感知发展历程压缩感知应用领域压缩感知可用于高分辨率雷达成像，提高雷达系统的性能和抗干扰能力。

雷达成像医学成像无线通信图像处理压缩感知可用于核磁共振成像、超声成像和光学成像等领域，提高成像速度和分辨率。

压缩感知可用于频谱感知和频谱管理，提高无线通信系统的频谱利用率和传输速率。

压缩感知可用于图像压缩和图像加密等领域，实现图像的高效存储和传输。

02基于压缩感知的重构算法基础重构算法的基本概念基于压缩感知的重构算法是一种利用稀疏性原理对信号进行重构的方法。

重构算法的主要目标是恢复原始信号，尽可能地保留原始信号的信息。

重构算法的性能受到多种因素的影响，如信号的稀疏性、观测矩阵的设计、噪声水平等。

重构算法的数学模型基于压缩感知的重构算法通常采用稀疏基变换方法，将信号投影到稀疏基上，得到稀疏表示系数。

通过求解一个优化问题，得到重构信号的估计值。

重构算法的数学模型包括观测模型和重构模型两个部分。

重构算法的性能评估重构算法的性能评估通常采用重构误差、重构时间和计算复杂度等指标进行衡量。

重构误差越小，说明重构算法越能准确地恢复原始信号。

重构时间越短，说明重构算法的效率越高。

计算复杂度越低，说明重构算法的运算速度越快。

03基于压缩感知的信号重构算法基于稀疏基的重构算法需要选择合适的稀疏基，使得信号能够稀疏表示，同时需要解决稀疏基选择不当可能导致的过拟合或欠拟合问题。

压缩感知技术及其在数字图像取证中的应用研究

压缩感知技术及其在数字图像取证中的应用研究随着数字图像的广泛应用，数字图像取证技术也变得越来越重要。

在数字图像取证中，压缩感知技术成为了一种被广泛研究和应用的有效手段。

压缩感知技术是一种利用信号的稀疏性来进行数据压缩和重构的新型技术。

它通过在信号采样过程中直接记录其重要信息，而不是对信号进行完整采样，从而实现了高效的数据压缩和重构。

在数字图像取证中，压缩感知技术可以有效地提取和还原图像中的重要信息，对于犯罪证据的分析和提取起到了重要的作用。

首先，压缩感知技术可以帮助提高数字图像取证的效率。

在传统的数字图像取证中，需要对大量的数据进行分析和处理，耗费了大量的时间和资源。

而采用压缩感知技术可以在保证数据完整性的前提下，大幅度减少所需的数据量，从而加快了图像取证的速度和效率。

其次，压缩感知技术可以提高数字图像取证的精度和准确性。

在数字图像取证中，往往需要对图像中的细节进行分析和提取，以获取更多的犯罪证据。

由于压缩感知技术能够有效提取图像中的重要信息，因此可以更准确地分析图像中的细节，从而提高数字图像取证的精度和准确性。

此外，压缩感知技术还可以减少数字图像取证中的数据存储和传输成本。

在数字图像取证中，需要对大量的图像数据进行存储和传输，这既耗费了大量的存储空间，也增加了数据传输的成本。

而采用压缩感知技术可以大幅度减少所需的存储空间和传输带宽，从而降低了数字图像取证的成本。

综上所述，压缩感知技术在数字图像取证中具有重要的应用价值。

它可以提高数字图像取证的效率、精度和准确性，同时还可以降低数据存储和传输成本。

因此，进一步研究和应用压缩感知技术在数字图像取证中的方法和算法，对于提升数字图像取证的能力和水平具有重要的意义。

压缩感知技术综述

压缩感知技术综述摘要：信号采样是模拟的物理世界通向数字的信息世界之必备手段。

多年来，指导信号采样的理论基础一直是著名的Nyquist采样定理，但其产生的大量数据造成了存储空间的浪费。

压缩感知（Compressed Sensing）提出一种新的采样理论，它能够以远低于Nyquist采样速率采样信号。

本文详述了压缩感知的基本理论，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，并介绍了压缩感知的应用及基于压缩感知SAR成像的仿真。

关键词：压缩感知；稀疏表示；观测矩阵；SAR成像；Abstract: Signal sampling is a necessary means of information world physical world to the digital simulation. Over the years, the base theory of signal sampling is the famous Nyquist sampling theorem, but a large amount of data generated by the waste of storage space. Compressed sensing and put forward a new kind of sampling theory, it can be much less than the Nyquist sampling signal sampling rate. This paper introduces the basic theory of compressed sensing, emphatically introduces the new progress in three aspects of signal sparse representation, design of measurement matrix and reconstruction algorithm, and introduces the application of compressed sensing and Simulation of SAR imaging based on Compressive Sensing Keywords: Compressed sensing; Sparse representation; The observation matrix; SAR imaging;0 引言Nyquist采样定理指出，采样速率达到信号带宽的两倍以上时，才能由采样信号精确重建原始信号。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

控制测量数据的维数，在保证一定误差的同时还减少了成本，提高了算法的效率。
关键词：无线传感网络；压缩感知；贝叶斯模型；信号重构
中图分类号：ＴＮ９１文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１４）０３ — ０１９８ — ０４
Ａｂｓｔｒａｃｔ：Ｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ，ｓｉｇｎａｌｉｓｓａｍｐｌｅｄａｎｄｒｅｃｏｎｓｔｒｕｃｔｅｄｕｓｉｎｇｔｈｅｔｅｃｈｎｏｌｏｇｙｏｆＮｙｑｕｉｓｔｉｎｈｅｔｐａｓｔ．Ｂｕｔｉｔｒｅｑｕｉｒｅｓａｓｕｂｓｔａｎｔｉａｌｉｎｃｅａｒｓｅｉｎｔｈｅｃｏｓｔｗｉｈｔｔｈｅｇｒｏｗｔｈｏｆｔｈｅｓｉｇｎｌａｆｒｅｑｕｅｎｃｙ，ｗｈｉｃｈｉｓｔｈａｔｐｅｏｐｌｅｄｏｎｏｔｌｉｋｅｔｏｓｅｅ．Ｒｅｃｅｎｌｙｔａｎｅｗｔｅｃｈｎｏｌｏｇｙｉｓｅｍｅｒｇｅｄ，ｗｈｉｃｈｉｓｃｌｌａｅｄｃｏｍｐｒｅｓｓｉｖｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙ．Ｃｏｍｐｒｅｓｓｉｖｅｓｅｎｓｉｎｇｃｎａｕｓｅｔｅｓｓｄａｔａｎｄａａｐｐｒｏｐｉａｒｔｅｒｅｃｏｎｓｔｒｕｃｉｔｏｎｍｅｔｈｏｄ
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１４．０３．０４９
ＤａｔａＣｏｍｐｒｅｓｓｉｏｎａｎｄＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＣｏｍｐｒｅｓｓｉｖｅＳｅｎｓｉｎｇ
ｔｏｇｅｔａｍｏｅｒａｃｃｕｒａｔｅｏｒｉｇｉｎｌａｓｉｇｎ１．ａＰｕｔＳｐａｒｓｅＢａｙｅｓｉｎａＬｅａｒｎｉｎｇ（ＳＢＬ）ａｎｄｃｏｍｐｅｓｒｓｉｖｅｓｅｎｓｉｎｇｔｏｇｅｔｈｅｒｔｏｆｏｒｍａｂｅｔｔｅｒｗａｙｏｆｅ— ｒ
ＬＩＹａｎ，ＷＡＮＧＢｏ
（ＣｏｌｌｅｇｅｏｆＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｎｆｏｒｍａｉｔｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓｎｄａＴｅｌｅｃｏｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ）
李燕，王博
（南京邮电大学通信与信息工程学院，江苏南京２１０００３）
摘要：在无线传感器网络（ＷＳＮ）中，以往都是采用奈奎斯பைடு நூலகம்特技术对信号进行采样并重构，而随着信号频率的增加，应用
奈奎斯特技术会使成本大幅度的增加，这是人们所不乐见的。针对这一一问题，近年来出现一种新的技术即压缩感知技术，
ｃｏｎｓｔｒｕｃｔｉｎｇｃｏｍｐｒｅｓｓｉｂｌｅｓｉｇｎａｌｕｎｄｅｒｔｈｅｎｏｉｓｅ．ＴｈｉｓｍｅｈｏｔｄｃａｎｅｆｅｃｉｖｔｅｌｙｃｏｎｔｒｏｌｈｅｔｄｉｍｅｎｓｉｏｎｏｆｍｅｓｕａｅｍｅｒｎｔｄａｔａｗｉｈｉｔｎｈｅｔｒａｎｇｅｏｆｌｌａｏｗｅｄｅｒｒｏｒｉｎＷＳＮ，ｓｏｙｏｕｃｎａｅｎｓｕｒｅａｃｅｒｔａｉｎｄｅｇｒｅｅｏｆｅｒｒｏｒｗｈｉｌｅｒｅｄｕｃｉｎｇｈｅｔｃｏｓｔ，ｉｍｐｒｏｖｉｎｇｈｅｔｅｉｃｆｉｅｎｃｙｏｆｈｅｔａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ；ｃｏｍｐｒｅｓｓｉｖｅｓｅｎｓｉｎｇ；Ｂａｙｅｓｉｎａｍｏｄｅｌ；ｓｉｇｎａｌｒｅｃｏｎｓｔｒｕｃｔｉｏｎ
第２４卷
第３期
计算机技术与发展
Ｃ０ＭＰＵＴＥＲＴＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
２０１４年３月
Ｖ０１．２４Ｎｏ．３Ｍａｒ．２０１４
基于压缩感知的数据压缩与检测
它能利用更少的数据和合适的重构方法得到更精确的原始信号。将稀疏贝叶斯学习（ＳＢＬ）和压缩感知联合起来，形成了
一
种在有噪声的情况下更好重建可压缩信号的方法，并进一步将这种方法应用在ＷＳＮ中，可以在误差允许的范围内有效