本文探讨压缩感知技术中的迭代硬阈值算法的理论分析，证明该算法具有近乎最优的误差保证、鲁棒性、最小的观察数、可用于任何可计算其算符和伴随算符的采样算子、线性问题大小的内存要求、迭代计算复杂度与测量算子或其伴随算子的应用次序相同、仅取决于信号信噪比的形式的对数的一种形式的迭代次数、性能保证仅取决于采样算子和信号稀疏性的特性。

May, 2008

本文研究了压缩感知问题，提出了一种基于二阶锥的优化方法，该方法在证明一定正则参数条件下与基础凸优化问题等价的前提下，求解具有优良效果的稀疏向量，该方法相较于当前最优方法具有更高的稀疏性和更低的重构误差

Jun, 2023

本文研究了在非线性观测条件下压缩感知信号恢复问题，提出了一种基于迭代硬阈值算法的解决方法，并在类似线性方法的条件下表明该算法能够准确恢复稀疏或结构化信号。同时，本文也展示了在稀疏和子空间并集约束下，如何在一般非线性优化框架下进行相关研究。

May, 2012

本研究中，我们对寻找欠定线性方程组的稀疏解的两个重要算法进行了广泛的计算实验，并进行了最优参数选择。我们的优化程序在 sparselab.stanford.edu 上提供，并且在没有用户调整的情况下运行 “开箱即用”。我们通过我们的随机欠定线性系统套件，使用相变的概念对我们的算法进行了最优化，并展示了我们调整程序使每类算法内达到了可能的最高相变。

Sep, 2009

本文提出了一种新的框架，即容忍近似误差的基于模型的压缩感知（approximation-tolerant model-based compressive sensing），该框架包含了一系列算法，用于稀疏恢复，只需要对模型投影问题进行近似求解，通过图优化技术，将这些算法应用于我们的框架，得到了一种几乎是最优的 CEMD 模型的稀疏恢复方案。

Jun, 2014

本文介绍了一种基于概率重构方法、信令传递算法、及结晶成核理论的、能够精确重构低采样率稀疏信号的压缩感知算法，并使用统计物理方法进行了分析和实验验证。

Sep, 2011

本论文详细介绍了一种新型的压缩感知策略，使用概率方法进行信号重建和最大化信号模型参数，并探讨了不同信号分布的相应相图的渐近分析及最佳重建性能。

Jun, 2012

提出一种新的稀疏信号重构方法 —— 子空间追踪算法，该算法具有较低的计算复杂度，能够在稀疏信号情况下实现精确的重构，同时能够在噪声环境下实现较低的重构误差。

Mar, 2008

本研究提出了一种基于大规模凸优化的非光滑正则化算法，直接解决了压缩感知 (corrupted compressive sensing) 问题，同时提出了针对各种情况的鲁棒压缩感知算法和简单有效的求解扩展问题的算法，在计算效率和求解难度等方面得到了显著提高，同时在几个压缩感知成像任务上取得了良好的效果。

Nov, 2012

研究利用空间耦合思想提高部分非零测量下的压缩感知重建算法效率，使用近似信息传递算法分析该问题。证明该算法成功条件为欠采样率超过信号的（上）Rényi 信息维度，对于稀疏信号从 k (n)+o (n) 的测量重建信号，对于离散信号从 o (n) 的测量重建信号，但需要知道信号的经验分布。

Dec, 2011