Compressieve Sensing
Compressieve Sensing (CS) is een signaalacquisitie- en reconstructietechniek die signaalsparsiteit benut om signalen met hoge resolutie te herstellen uit veel minder samples dan vereist door de Nyquist-samplingtheorema. Ontwikkeld door Emmanuel Candès, Justin Romberg en Terence Tao in 2006, daagt compressieve sensing het traditionele samplingparadigma uit door aan te tonen dat signalen met sparse representaties kunnen worden gereconstrueerd uit sub-Nyquist willekeurige metingen met behulp van niet-lineaire optimalisatie.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/nl/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.
- Adaptieve LMS-filterSignaalverwerking↔ compare
- Ontwerp van FIR-filtersSignaalverwerking↔ compare
- Schatting van de machtsspectrumdichtheidSignaalverwerking↔ compare
- Short-Time Fourier TransformSignaalverwerking↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →