حسگری فشرده
حسگری فشرده (CS) یک تکنیک اکتساب و بازسازی سیگنال است که از تنکی سیگنال برای بازیابی سیگنالهای با وضوح بالا از نمونههای بسیار کمتر از آنچه توسط قضیه نمونهبرداری نایکوئیست لازم است، بهره میبرد. حسگری فشرده که توسط امانوئل کندس، جاستین رامبرگ و ترنس تائو در سال ۲۰۰۶ توسعه یافت، با نشان دادن اینکه سیگنالهای دارای نمایشهای تنک را میتوان از اندازهگیریهای تصادفی زیر-نایکوئیست با استفاده از بهینهسازی غیرخطی بازسازی کرد، پارادایم نمونهبرداری سنتی را به چالش میکشد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Candes, E. J., Romberg, J., & Tao, T. (2006). Robust Uncertainty Principles: Exact Signal Reconstruction from Highly Incomplete and Inaccurate Measurements. IEEE Transactions on Information Theory, 52(2), 489–509. DOI: 10.1109/TIT.2005.862083 ↗
- Eldar, Y. C., & Kutyniok, G. (2012). Compressed Sensing: Theory and Applications. Cambridge University Press. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/fa/signal-processing/compressive-sensing
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- فیلتر وفقی حداقل مربعات (LMS)پردازش سیگنال↔ compare
- طراحی فیلتر FIRپردازش سیگنال↔ compare
- تخمین چگالی طیفی توانپردازش سیگنال↔ compare
- تبدیل فوریه زمان کوتاهپردازش سیگنال↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →