| 经典的奈奎斯特采样定理要求采样频率大于两倍信号最大频率,才能重构出原始信号,但是当信号具有稀疏性时,压缩感知方法可突破奈奎斯特采样定理的限制,大大降低采样频率,显著提高数据采集和分析的效率。近年来,压缩感知作为一种全新的稀疏信号处理框架,已广泛使用于图像重建、稀疏信号重构等领域。随着深度学习技术的快速发展,将各种深度神经网络用于压缩感知领域中,既能提高重构的精度,又能减少重构的时间。通过对公开文献进行广泛调研,介绍了压缩感知重构的基本概念,梳理了常用的压缩感知算法,归纳了深度压缩感知的主要应用领域。最后探讨了当前仍面临的问题及未来的发展趋势。 |
