无线传感器网络中数据具有较强联合稀疏特性，应用压缩感知理论，通过联合编码压缩数据，再使用联合解码进行还原，可实现低采样代价收集传感数据。提出了一种基于联合稀疏模型与压缩感知理论的同步子空间追踪算法，以稀疏特性为先验知识，通过回溯迭代方式，判断并选取合适的联合子空间，用更少量观测值实现原始传感数据的精确重构。与SCoSaMP算法、SP算法在不同稀疏特性和不同采样率下相比较，同步子空间追踪算法具有较好的恢复性能。

包含17篇RICE大学大牛的论文，对压缩感知的综述

本文利用压缩感知算法对心电数据信号进行压缩，从而实现心电数据的高压缩率与高精度。从压缩感知算法的原理可知，稀疏字典能够反映某类数据的结构信息，因此，针对心电数据这一具有特殊结构的数据，利用压缩感知算法探索其内在的结构，能够更加符合心电数据的变化规律。本文通过实验在MIT-BIH数据库上进行验证，对比了传统的压缩算法，证明本文提出的算法在均方根误差和压缩率上都能取得较好的效果。

编码孔径光谱成像系统利用空间光调制器对目标信息进行编码,将信号映射到二维探测器面阵上,形成空间和光谱混叠信息,通过重构算法恢复出光谱数据立方体。由于该系统的色散仅仅发生在水平方向上,为了提高编码的效率,提出只在一个方向上具有编码效果的多狭缝组合编码。与目前采用的二维随机编码比较,在取得相同重构结果的前提下,多狭缝组合编码形式简化了数学模型的建立和分析,降低了编码复杂度。在此基础上,利用液晶光阀的开关特性实现实际系统编码,结合PGP(棱镜-透射光栅-棱镜)分光组件搭建光谱成像系统,进行了不同采样率下的实验,得到了高精度的恢复结果,验证了系统编码的可行性,为编码光谱成像系统领域提供了新思路。

利用MATLAB实现拉普拉斯贝叶斯算法，用在压缩感知中，仿真了信号重建的过程，对该过程有进一步的认识