เปรียบเทียบวิธี

	การสุ่มตัวอย่างแบบอัดแน่น	การประมาณความหนาแน่นสเปกตรัมกำลัง
สาขาวิชา	การประมวลผลสัญญาณ	การประมวลผลสัญญาณ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2006	1967
ผู้ริเริ่ม	Emmanuel Candès, Justin Romberg, and Terence Tao	Peter Welch
ประเภท	Sparse signal recovery	Frequency domain signal analysis
แหล่งต้นตำรับ	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.	Welch, P. (1967). The Use of Fast Fourier Transform for Estimation of Power Spectra: A Method Based on Time Averaging over Short, Modified Periodograms. IEEE Transactions on Audio and Electroacoustics, 15(2), 70–73.
ชื่อเรียกอื่น	Compressed Sensing, CS, Sparse Recovery, Sub-Nyquist Sampling	PSD Estimation, Spectral Density Analysis, Power Spectrum Estimation
ที่เกี่ยวข้อง	4	4
สรุป	Compressive Sensing (CS) is a signal acquisition and reconstruction technique that exploits signal sparsity to recover high-resolution signals from far fewer samples than required by the Nyquist sampling theorem. Developed by Emmanuel Candès, Justin Romberg, and Terence Tao in 2006, compressive sensing challenges the traditional sampling paradigm by showing that signals with sparse representations can be reconstructed from sub-Nyquist random measurements using nonlinear optimization.	Power Spectral Density (PSD) estimation is a set of methods for determining how the power of a signal is distributed across different frequencies. Proposed by Peter Welch in 1967, PSD estimation techniques are fundamental to frequency domain signal analysis, providing insights into the frequency composition of signals for applications ranging from communications to biomedical monitoring.