1. 研究目的与意义（文献综述）

传统的压缩方法采用奈奎斯特采样速率对数据进行采样，然后再压缩传输。这种高冗余采样再压缩的过程造成极大的资源浪费，同时也增加了运算复杂度，因此并不适合低功耗、资源有限的机载或星载应用。压缩感知作为一种新颖的信号获取理论，融合了传统的采样与压缩过程，以远低于奈奎斯特采样率的方式直接获取测量数据，降低了采样成本，减少了存储资源。

自从压缩感知理论提出以来，国内外掀起了压缩感知理论的研究热潮。许多国家的知名大学都成立cs理论研究课题组；贝尔实验室、微软等知名公司也相继对cs理论做出研究。在国内，例如清华大学、中国科学院和西安电子科技大学等科研机构和高校对cs理论也相继展开研究和跟踪。压缩感知理论为许多应用科学带来了新的启发，更多高维数据的分析指出了一条新的途径。进来来，不少学者将压缩感知理论应用于高光谱图像处理中，在压缩成像、目标检测、高光谱图像分类、解混合等问题中均有显著性成果。

压缩感知理论一经提出，就在信息论、医疗成像、光学遥感成像、无线通信、模式识别、图像压缩、图像超分辨重建等领域受到高度关注。同时其自身表现出了强大的生命力,已发展了分布式压缩感知、1-bit压缩感知，贝叶斯压缩感知、块压缩感知等理论。许多应用科学领域的研究在这些理论的影响下，开启了全新的研究思路，并且这些理论在工程领域也具有重要的实践意义。

2. 研究的基本内容与方案

基本内容：

只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相干的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号。这里的光谱分析是先将一束光通过纳米结构，使光谱随机分布，再用压缩感知算法恢复信号。

目标：

3. 研究计划与安排

第1-3周：查阅相关文献资料，明确研究内容，了解研究所需的理论知识、技术要求以及相关资料。确定方案，完成开题报告。

第4-8周：分析基本原理，进行理论推导。

第9-13周：建立模型，进行仿真模拟，得到模拟结果，整理数据，进行理论分析，开始撰写毕业论文。

4. 参考文献（12篇以上）

[1] 杨星. 基于压缩感知的高光谱图像重构[d]. 西安电子科技大学, 2015.

[2] 马彦鹏.基于压缩感知的计算成像技术研究[d].中国科学院上海技术物理研究所.2016.

[3] 李志林.图像压缩感知重建算法研究[d].北京交通大学.2012.