2019年10月13日，实验室在科技馆5楼会议室举行本周课题交流会，参会人员包括实验室全体研究生。本次交流会由汇报人吕彬彬同学主持，在会上吕彬彬同学做了“压缩感知”的课题报告。

        压缩感知是信号处理领域进入21世纪以来取得的最耀眼的成果之一，并在磁共振成像、图像处理等领域取得了有效应用。压缩感知理论在其复杂的数学表述背后蕴含着非常精妙的思想。基于一个有想象力的思路，辅以严格的数学证明，压缩感知实现了神奇的效果，突破了信号处理领域的金科玉律——奈奎斯特采样定律。即，在信号采样的过程中，用很少的采样点，实现了和全采样一样的效果。最近几年，对稀疏表示研究的另一个热点是信号在冗余字典下的稀疏分解。 这是一种全新的信号表示理论：用超完备的冗余函数库取代基函数，称之为冗余字典，字典中的元素被称为原子。目前信号在冗余字典下的稀疏表示的研究集中在两个方面：一是如何构造一个适合某一类信号的冗余字典，二是如何设计快速有效的稀疏分解算法。目前常用的稀疏分解算法大致可分为匹配追踪（Matching Pursuit）和基追踪（Basis Pursuit）两大类。

        压缩感知使用要求：

        1、稀疏性：原始数据中待检测信号是稀疏的，或者待检测信号在某一变换域中是稀疏的。

        2、不相关性：观测矩阵与稀疏变换矩阵是不相关的。

        功能：从数学上来说，压缩感知就是在一定的条件下求解欠定(不适定)方程，条件包括x要是稀疏的，测量矩阵要满足RIP条件，那么欠定(不适定)方程就会以很大的概率有唯一解。

        会后吕彬彬同学为参会人员解答了相关问题，并和对此课题感兴趣的学生一起进行了深入的交流探讨。