稀疏性的代價：利用稀疏與稀疏化量測進行稀疏恢復的充分條件
為何重要
- 這是一篇純數學理論研究，定義了在通訊與壓縮領域中，「稀疏性」在樣本數與運算效率間的關鍵取捨。 - 雖非直接技術落地，但其提供的資訊理論門檻是未來受限頻寬邊緣系統、高效能運算架構以及分散式通訊協定的基石。
- 本文探討從噪訊線性量測中恢復稀疏二元訊號的「支撐向量恢復」問題，比較了直接使用稀疏高斯量測矩陣與將稠密設計稀疏化後的恢復成效。
- 研究顯示，在特定引數範圍內，稀疏量測帶來了幾乎線性的計算增益，同時僅造成對數級的樣本複雜度損失。
- 面對稠密設計的稀疏化問題，證明在比例範圍 s=αp、d=ψp 中，僅需約 p/ψ^2 階的樣本數即可進行恢復，這揭示了資訊理論的門檻。