Kompresjonssansing
Kompresjonssansing (CS) er en teknikk for signalanskaffelse og -rekonstruksjon som utnytter signalets sparsitet for å gjenopprette signaler med høy oppløsning fra langt færre prøver enn det som kreves av Nyquist-samplingssatsen. Utviklet av Emmanuel Candès, Justin Romberg og Terence Tao i 2006, utfordrer kompresjonssansing det tradisjonelle samplingsparadigmet ved å vise at signaler med sparsomme representasjoner kan rekonstrueres fra sub-Nyquist tilfeldige målinger ved bruk av ikke-lineær optimering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/no/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.
- Adaptiv LMS-filterSignalbehandling↔ compare
- Design av FIR-filtreSignalbehandling↔ compare
- Estimering av effektspektral tetthetSignalbehandling↔ compare
- Korttids Fourier-transformasjonSignalbehandling↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →