Penginderaan Kompresif
Penginderaan Kompresif (CS) adalah teknik akuisisi dan rekonstruksi sinyal yang memanfaatkan kelangkaan (sparsity) sinyal untuk memulihkan sinyal resolusi tinggi dari sampel yang jauh lebih sedikit daripada yang disyaratkan oleh teorema pengambilan sampel Nyquist. Dikembangkan oleh Emmanuel Candès, Justin Romberg, dan Terence Tao pada tahun 2006, penginderaan kompresif menantang paradigma pengambilan sampel tradisional dengan menunjukkan bahwa sinyal dengan representasi yang langka dapat direkonstruksi dari pengukuran acak sub-Nyquist menggunakan optimasi nonlinier.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/id/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.
- Filter LMS AdaptifPemrosesan Sinyal↔ compare
- Desain Filter FIRPemrosesan Sinyal↔ compare
- Estimasi Kepadatan Spektral DayaPemrosesan Sinyal↔ compare
- Transformasi Fourier Jangka PendekPemrosesan Sinyal↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →