压缩感知是一个令人振奋、发展迅速的领域，在电气工程、应用数学、统计学和计算机科学等领域引起了相当大的关注。自推出以来，已经取得了大量理论和实践方面的成果。约琳娜·C.埃尔达、吉塔·库图尼奥克等著的《压缩感知理论与应用》首先重点介绍了最近的理论进展和一系列应用，并概述了许多目前的研究挑战。接着，在全面回顾了基本理论之后，介绍了该领域的许多前沿进展，包括先进的信号建模、模拟信号的亚奈奎斯特采样、硬件原型、随机矩阵的非渐近分析、自适应感知、贪婪算法、图模型的使用，以及形态上不同数据成分的分离。本书每一章都是由该领域国际知名的研究人员撰写的。
本书适合压缩感知相关领域的学术研究人员、工程技术人员阅读，也可作为相关专业高年级本科生和研究生的参考教材。

译者序
原书前言
原书作者名单
第1章 压缩感知简介
1.1 引言
1.2 向量空间综述
1.2.1 赋范向量空间
1.2.2 基底和框架
1.3 低维信号模型
1.3.1 稀疏模型
1.3.2 子空间的有限集合
1.3.3 模拟信号模型的子空间集合
1.3.4 低秩矩阵模型
1.3.5 流形和参数模型
1.4 感知矩阵
1.4.1 零空间条件
1.4.2 约束等距性质（RIP）
1.4.3 相干性
1.4.4 构造感知矩阵
1.5 基于 最小化方法的信号重建
1.5.1 不含噪声的信号重建
1.5.2 含噪声的信号重建
1.5.3 情况-最优保证条件问题
1.5.4 正轴形与相位变化
1.6 信号重建算法
1.7 多维测量向量
1.8 总结
附录 第1章的证明
A.1 定理1.4的证明
A.2 引理1.3的证明
A.3 引理1.6的证明
A.4 定理1.13的证明
参考文献
第2章 第二代稀疏建模：结构化和协作信号分析
2.1 引言
2.2 图像复原的逆问题
2.2.1 传统稀疏建模
2.2.2 结构化稀疏建模
2.2.3 实验结果
2.3 用结构和协作模型鉴别和分离源
2.3.1 分组Lasso
2.3.2 分层Lasso
2.3.3 协作分层Lasso
2.3.4 实验结果
2.4 总结
参考文献
第3章 Xampling：模拟信号的压缩感知
3.1 引言
3.2 从子空间到联合空间
3.3 Xampling
3.3.1 子空间联合
3.3.2 架构
3.4 稀疏平移不变框架
3.4.1 平移不变子空间中的采样
3.4.2 SI子空间的稀疏联合
3.4.3 无限测量模型和连续有限测量模型
3.5 从理论到多频段采样的硬件
3.5.1 信号模型和稀疏SI公式
3.5.2 通过不均匀采样的模拟压缩感知
……
第4章 新息率采样：理论和应用
第5章 随机矩阵的非渐近分析
第6章 自适应感知的稀疏重建
第7章 压缩感知的基本阈值方法：一种高维几何方法
第8章 压缩感知贪婪算法
第9章 压缩感知中的图模型概念
第10章 在压缩干草堆中找针
第11章 基于稀疏表示的数据分离
第12章 人脸识别的稀疏表示
参考文献