压缩感知在脑电信号中的应用，在医学实践中，通常会进行长时间的多次重复性的多通道脑电图测量，因此会产生 大量数据。如何有效处理这些数据是一个函待解决的问题。近年来出现的压缩感知理论 为有效解决这个问题提出了新的解决思路。鉴于此，本文首先介绍了EEG信号的先验 基础知识和压缩感知的理论框架。接下来研究了基于压缩感知理论对单通道EEG信号 的压缩采样，内容包括脑电信号最佳稀疏分解，通过实验对比发现，对于EEG信号， 以高斯函数、高斯小波函数、墨西哥草帽函数作为原子的生成函数构造的冗余字典，可 以实现

压缩感知信号重构算法的实验对比研究，傅少武，吴键，进入21世纪后无线传感器网络被广泛应用于各个领域，但是无线传感器网络节点的处理能力和低电池能耗这两大缺陷也更明显的暴露在眼�

文中针对无线通信系统中稀疏信道估计算法进行研究，通过对比传统的基于训练序列的信道估计算法LS，对基于压缩感知的稀疏信道估计算法OMP进行分析。讨论了训练信号长度、信道稀疏度及噪声强度对整个估计性能的影响。在相同的实验条件下生成二维稀疏信号，从精确重构概率和信噪比方面对比了两种算法的性能。证明压缩感知方法可以有效的利用稀疏特性，在较短的训练序列情况下实现信道脉冲响应的精确估计。