壓縮感知matlab

1. 什麼是「壓縮感知」

壓縮感知， 也成為壓縮采樣。英文為Compressed Sampling 或者是 Compressive Sening。於2006年被提出，並被美國科技評論評為2007年度十大科技進展。
經典的采樣定理為香農/乃奎斯特采樣，即要保證信號的完全恢復，至少要有2倍的信號頻率采樣。但是這種采樣當中，其實信息是冗餘的。壓縮感知告訴我們，如果知道信號是稀疏的，那麼可以用遠低於乃奎斯特采樣率，一樣可以很好的恢復信號。
壓縮感知的核心：信號是稀疏的（即其中有K個為非零元素，其他的元素都為0），采樣矩陣和稀疏基是不相關的。
相關內容較多，網路知道裡面一下介紹不清楚。
視頻資料：1.陸吾生教授於2010年在華東師范大學講過"Compressed Sening and Signal Processing", 講的是中文，易聽懂，有點科普性質。2.Professor Justin Romberg 作為壓縮感知理論的創始人之一，2013年在清華大學講過「Comprssive Sening and Spare Recovery 」, 這個視頻要深入些，全英文講座，需要較好的英文和數學功底。
如果有興趣深入學習，建議還是認認真真看文獻。可以參考 http://dsp.rice.e/cs 。這里前17篇是壓縮感知的綜述，看完後就對概念、模型、求解演算法、應用有個整體的了解。網頁中間的那麼多文獻是針對壓縮感知理論在各個領域的運用。在最後的部分，是網上現有的針對該問題的求解工具箱，大多數是基於Matlab的。只要分析後自己的模型，可以套用工具箱求解，非常方便。

2. 演算法工程師大致是做什麼的

各個行業都有演算法部分，統計有統計的演算法，控制有控制的演算法，圖像處理有圖像處理的演算法。在很多傳統行業，演算法不是一個獨立的崗位，而是由研發工程師負責。今天小編就帶大家來了解下演算法工程師大致是做什麼的?我們接著往下看。

1. 圖像處理，尤其是基於OpenCV的圖像處理演算法，一般產品里有做美顏，濾鏡什麼的特別喜歡招這塊的小朋友，近一兩年有被做深度學習的取代的趨勢。最近google出了arcore，所以讓不少小公司也能出一些效果很好的換頭類應用。
2. 計算機圖形學，這也算是一個大類，主要涉及到圖形渲染演算法，光追演算法，三維圖像重構等圖像繪制方面的內容。這個方向，不光是做3d引擎和游戲開發方面，對於很多行業需要與cad相關的，都會涉及到這一個領域的模型和優化演算法設計。
3. VR，AR領域，涉及到的包括視頻跟蹤，SLAM，raytracing，幾何投影等等，實際上是一個綜合的領域，目前主要是做計算機視覺的轉行做這塊。
4. 醫學影像處理，三維圖像重構，用在B超，CT成像上，這個是醫療方向的。
5. 通信基帶信號處理，網路優化演算法，這一塊其實很式微了，畢竟高大上的演算法小公司沒成本去實施。
6. 音頻濾波，用在HiFi產品，比如車載音響，手機廠商，圈子其實蠻小的。
7. 控制演算法，自適應濾波演算法，用在機械領域上，比如機械臂行程式控制制，穩定性。
8. 有限元演算法，這塊從雷達，機械，電磁學，到服裝設計，都有很有價值的應用。
9. 信號處理，比如插值，頻譜分析，盲信號分離，壓縮感知，物聯網大部分應用會涉及這一塊。
互聯網和軟體行業把演算法分離成一個獨立的崗位大體有兩個原因。第一，低級的軟體工程師不懂演算法，或者更乾脆一點說不懂數學，所有涉及到模型和計算公式的工作都必須要找專業人員來搞定。第二，從生產效率考慮，初級演算法工程師很多沒有很好的軟體工程背景，簡單點說就是不會寫代碼只會寫matlab，這種工程師的工作交付沒有辦法直接投入生產，所以需要將他們的工作和生產環節隔離開。綜上所述，就是小編今天給大家分享的內容，希望可以幫助到大家。