Compressed Sensing
Compressed Sensing (CS) è una tecnica di acquisizione e ricostruzione del segnale che sfrutta la sparsità del segnale per recuperare segnali ad alta risoluzione da un numero di campioni molto inferiore a quello richiesto dal teorema di campionamento di Nyquist. Sviluppato da Emmanuel Candès, Justin Romberg e Terence Tao nel 2006, il compressed sensing sfida il paradigma di campionamento tradizionale dimostrando che segnali con rappresentazioni sparse possono essere ricostruiti da misurazioni casuali sub-Nyquist utilizzando l'ottimizzazione non lineare.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/it/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.
- Filtro LMS AdattivoElaborazione dei segnali↔ compare
- Progettazione di filtri FIRElaborazione dei segnali↔ compare
- Stima della Densità Spettrale di PotenzaElaborazione dei segnali↔ compare
- Trasformata di Fourier a tempo breveElaborazione dei segnali↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →