Sensing Mampat
Sensing Mampat (CS) ialah teknik pemerolehan dan pembinaan semula isyarat yang memanfaatkan kelarutan isyarat untuk mendapatkan semula isyarat resolusi tinggi daripada sampel yang jauh lebih sedikit daripada yang diperlukan oleh teorem pensampelan Nyquist. Dibangunkan oleh Emmanuel Candès, Justin Romberg, dan Terence Tao pada tahun 2006, sensing mampat mencabar paradigma pensampelan tradisional dengan menunjukkan bahawa isyarat dengan perwakilan jarang boleh dibina semula daripada ukuran rawak sub-Nyquist menggunakan pengoptimuman tak linear.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
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 memetik halaman ini
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/ms/signal-processing/compressive-sensing
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Penapis LMS AdaptifPemprosesan Isyarat↔ banding
- Reka Bentuk Penapis FIRPemprosesan Isyarat↔ banding
- Anggaran Kepadatan Spektrum KuasaPemprosesan Isyarat↔ banding
- Transformasi Fourier Jangka PendekPemprosesan Isyarat↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →