学习笔记1：压缩传感与低秩矩阵理论

最近在做的研究生课题接触到了低秩矩阵恢复的理论与方法，在学习过程中有很多基础知识的欠缺，希望通过写博客的过程记录一些学习笔记。注：本博客中的理论主要参考自文献[^1] ，非原创内容。

1.压缩传感

1.1稀疏性

对于以向量x₀ ∈Rⁿ 表示的信号，其稀疏性即指向量x₀中非零元素的个数。数学表示即l₀范数（零范数），||x₀||：=|{i:x_i ≠ 0}|。

1.2采样定理

经典的Nyquist-Shannon采样定理表明，如果要求无失真的重构出原始信号，至少要以信号最高带宽两倍频率的速率对信号进行采样，即F_S > 2F_max 。

1.3压缩传感

压缩传感理论是利用采样信号的稀疏性以降低采样率，但要保证能够根据观测到的数据准确重构出原始信号。
以上述信号x₀为例，我们希望通过测量较少的观测量y∈R^m （m<<n），并能从中重构出原始信号x₀，这便是压缩感知的含义。数学模型可表示为
$$\begin{gathered} \begin{array}{c}min\\ x\end{array}||x|{|}_0 \\ s.t</ \end{gathered}$$