การสุ่มตัวอย่างแบบอัดแน่น
การสุ่มตัวอย่างแบบอัดแน่น (Compressive Sensing, CS) เป็นเทคนิคการรับและสร้างสัญญาณที่ใช้ประโยชน์จากความเบาบาง (sparsity) ของสัญญาณเพื่อกู้คืนสัญญาณความละเอียดสูงจากจำนวนตัวอย่างที่น้อยกว่าที่ทฤษฎีการสุ่มตัวอย่างแบบไนควิสต์ (Nyquist sampling theorem) กำหนดไว้มาก พัฒนาโดย Emmanuel Candès, Justin Romberg และ Terence Tao ในปี 2006 การสุ่มตัวอย่างแบบอัดแน่นท้าทายกระบวนทัศน์การสุ่มตัวอย่างแบบดั้งเดิมโดยแสดงให้เห็นว่าสัญญาณที่มีการแสดงแทนแบบเบาบางสามารถสร้างขึ้นใหม่ได้จากการวัดแบบสุ่มที่น้อยกว่าเกณฑ์ไนควิสต์ โดยใช้การหาค่าเหมาะที่สุดแบบไม่เชิงเส้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Compressive Sensing (Compressed Sensing) Signal Acquisition. ScholarGate. https://scholargate.app/th/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.
- ตัวกรอง LMS แบบปรับตัวได้การประมวลผลสัญญาณ↔ compare
- การออกแบบตัวกรอง FIRการประมวลผลสัญญาณ↔ compare
- การประมาณความหนาแน่นสเปกตรัมกำลังการประมวลผลสัญญาณ↔ compare
- การแปลงฟูเรียร์ช่วงเวลาสั้นการประมวลผลสัญญาณ↔ compare