第1章 引言 1
1.1 压缩感知的概念 1
1.2 压缩感知的应用及其扩展 7
1.3 本书概述 19
注释 28
第2章 欠定系统的稀疏解 34
2.1 稀疏性和可压缩性 34
2.2 最小测量个数 39
2.3 最小化l0范数的NP-hard问题 44
注释 47
习题 48
第3章 基本算法 50
3.1 最优化算法 50
3.2 贪婪算法 53
3.3 阈值算法 57
注释 59
习题 61
第4章 基追踪 64
4.1 零空间特性 64
4.2 平稳性 68
4.3 鲁棒性 70
4.4 特殊向量的恢复 75
4.5 正轴体投影 81
4.6 低秩矩阵的恢复 85
注释 86
习题 88
第5章 相关性 93
5.1 定义和基本性质 93
5.2 弱相关矩阵 95
5.3 正交匹配追踪算法分析 103
5.4 基追踪算法分析 104
5.5 阈值算法分析 105
注释 107
习题 108
第6章 约束等距性 110
6.1 定义和基本性质 110
6.2 基追踪算法分析 117
6.3 阈值算法分析 123
6.4 贪婪算法分析 130
注释 140
习题 142
第7章 初级概率理论 146
7.1 概率理论基本点 146
7.2 矩和迹 154
7.3 克莱姆定理和霍夫丁不等式 157
7.4 次高斯随机变量 159
7.5 伯恩斯坦不等式 162
注释 164
习题 165
第8章 高级概率理论 166
8.1 高斯向量范数的期望 166
8.2 拉德马赫和与对称化 169
8.3 辛钦不等式 170
8.4 去耦 174
8.5 非交换伯恩斯坦不等式 179
8.6 达德利不等式 184
8.7 斯莱皮恩引理与戈登引理 187
8.8 测量的集中性 195
8.9 经验过程上界的伯恩斯坦不等式 203
注释 213
习题 217
第9章 随机矩阵的稀疏恢复 221
9.1 次高斯矩阵的约束等距性质 222
9.2 非均匀恢复 229
9.3 高斯矩阵的约束等距性质 237
9.4 高斯矩阵的零空间特性 239
9.5 关于Johnson-Lindenstrauss引理的嵌入 243
注释 247
习题 250
第10章 l1球的Gelfand宽度 254
10.1 定义及其与压缩感知的联系 254
10.2 l1球的Gelfand宽度的估计 259
10.3 Banach空间的几何应用 263
注释 267
习题 268
第11章 最优实例和商特性 271
11.1 均匀最优实例 271
11.2 鲁棒性与商特性 276
11.3 随机矩阵的商特性 281
11.4 非均匀最优实例 295
注释 300
习题 301
第12章 有界正交系统的随机采样 303
12.1 有界正交系统 303
12.2 测不准原理与下界 309
12.3 非均匀重构：随机符号模式 317
12.4 非均匀重构：确定符号模式 324
12.5 约束等距性质 334
12.6 离散有界正交系统 344
12.7 与A1-问题的关系 345
注释 348
习题 357
第13章 压缩感知中的无损扩展器 360
13.1 定义和基本性质 360
13.2 无损扩展器的存在性 363
13.3 基追踪算法分析 366
13.4 阈值迭代算法分析 369
13.5 简单次线性-时间算法分析 373
注释 376
习题 377
第14章 确定性矩阵随机信号的恢复 380
14.1 随机子阵的条件应用 381
14.2 最小化l1范数的稀疏恢复 388
注释 390
习题 391
第15章 最小化l1范数方法 393
15.1 同伦方法 393
15.2 Chambolle-Pock原始对偶算法 398
15.3 加权最小二乘迭代算法 408
注释 416
习题 423
参考文献 426
名词索引 466