在过去的几十年里，随着传感系统获取信号能力的增强以及数据的处理量的加大，在传统的香农-奈奎斯特采样定理下处理信号给硬件设备带来了极大的挑战。奈奎斯特采样定理已经渐渐地不能满足人们的需要。科学家们不得不去思考怎样才能创造出一种新的理论，既能保持信号信息不丢失又能相对于奈奎斯特采样定理大量降低信号的采样频率，于是压缩感知理论就这样应运而生了【4】。

   压缩感知理论是一种集信号的处理和压缩于一体的理论，以便于在精确得到所需要原始图像和信号的同时能够有效地节约资源提高效率。在2006年的国际数学家大会上，Candes提出了这一新颖的理论信号采样理论，从此拉开了压缩感知发展的序幕【5】。64186

    压缩感知理论最早是在2004年由Donoho和Candes提出，压缩感知理论的具体思路是在信号具有可压缩性和稀疏性时论文网，通过采取少量的投影值来完成信号的重构【11】。压缩感知理论是一种全新的编解码理论，充分利用了信号的稀疏性和可压缩性，但是压缩感知必须基于两个前提，一是已有的盲源分离，二是信号的稀疏分解。盲源分离为CS理论提供了信号重构的思路，即在未知源信号的情况下，通过测量编码值来实现；而CS解码重构所用的具体算法来自于稀疏分解