介绍压缩感知的基本概念和应用，并总结了目前的研究现状。

Mar, 2012

本研究提出了一种同时重建基础图像和未知模型的盲压缩感知框架，用于利用稀疏变换或字典中图像 / 图像补丁的稀疏性从高度欠采样的测量中精确恢复图像。我们将这个模型扩展到了一个转换融合模型，以更好地捕捉自然图像中的特征。与其他最近的图像重建方法相比，我们的数值实验表明，提出的框架通常会导致 MRI 图像重建的质量更好。

Nov, 2015

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

本文提出了一种基于模型的压缩感知理论，提供了如何创建具有可证明性能保证的基于模型的恢复算法的具体指南，其中包括引入一类新的结构压缩信号以及一个新的充分条件来描述其恢复性能，命名为有限放大性质，这对应于传统压缩感知限制等比性的自然扩展。实验结果表明了这一新理论和算法的有效性和适用性。

Aug, 2008

通过生成模型的范围，无需使用稀疏性，基于 Lipschitz 连续性，提出了一种新的压缩感知算法。与 Lasso 相比，可以使用更少的测量来获得相同的精度。

Mar, 2017

本文提出了一种在基 Pursuit 中包含离散值先验的方法，特别是针对具有条目在 {0,1} 中的单极二进制和具有条目在 {-1,0,1} 中的双极三进制稀疏信号，其中相位转换比使用经典基 Pursuit 方法更早发生。

Sep, 2016

本文研究了压缩感知在天文数据压缩中的应用，并介绍了压缩感知理论的概述及其可用于实时应用，同时指出了压缩感知用于数据融合的多个观测的优点，提供了解决 ESA 发送 Herschel 航天器上数据的问题的有效方式。

Feb, 2008

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

本文提出了一种使用自适应学习的稀疏化基础通过 L0 最小化方法进行图像压缩感知恢复的新框架，通过稀疏表示重叠的图像块，极大地减少了阻塞伪影和限制了 CS 解决方案空间。实验结果表明，我们的算法在 CS 恢复上取得了显着的性能提升。

Apr, 2014

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