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

该论文介绍了一种基于图形模型置信传播的新的迭代阈值算法，通过简单无成本的修改，使其系统可以获得与相应凸优化过程相当的稀疏性 - 欠采样权衡，并且该系统没有之前算法的限制，并证明了它的理论计算。

Jul, 2009

研究压缩感知的一般框架，提出了一种非线性测量的自然推广方法，并证明了通过这些测量可以有效地计算和恢复稀疏信号。提出了三种算法，其中包括一种称为广义 OLS 的贪心算法，以及两种硬和软阈值迭代算法的自然推广方法，并证明了这些算法对于基于 Lipschitz 扰动的 RIP 矩阵的非线性测量具有强的恢复保证。

Nov, 2013

介绍了盲压缩感知的概念，提出了三种可能的基稀疏性约束，并证明了唯一性条件及提出了检索解决方案的简洁方法。在唯一性条件下，只要信号足够稀疏，我们的方法可以通过模拟实现类似于依赖于稀疏基先验知识的标准压缩感知的结果，这提供了一个适用于所有稀疏信号的通用采样和重构系统，无需了解稀疏基，只需满足本文中提出的条件和约束即可。

Feb, 2010

本文探讨了通过 Tree-sparse 信号的自适应传感和结构稀疏融合的压缩感官技术在支持恢复任务中的性能极限。结果表明，这种自适应树传感过程几乎是最优的。

Jun, 2013

在本文中，我们使用渐近信息理论分析，为线性和非线性观测模型包括稀疏回归、分组测试、多元回归和存在缺失特征的问题，推导了恢复稀疏和结构化信号的基本样本复杂度界限，为一般稀疏信号处理模型提供了足够和必要的条件。

Apr, 2013

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

本文研究了在输出测量值缺失相位信息的情况下，如何使用半定规划精确恢复稀疏信号。我们通过提出的升维技术，证明了只需采样频率足够高，即可通过求解简单的半定规划来恢复稀疏信号，从而扩展压缩感知技术的应用范围。

Nov, 2011

本文旨在研究数据压缩中由于舍入和饱和误差而引起的重构问题，提出了考虑量化和饱和误差的约束条件和加权 l2——l1 范数优化目标函数，采用增广 Lagrange 方法求解得到一个稳健的一致性解。同时，文章还对之前的相关建模方案进行了广泛的计算比较。

Jul, 2012