分布式系统的压缩感知

压缩感知，又称压缩采样、压缩传感。作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。对于压缩感知的研究已经有相当一段时间，而在分布式系统中的应用则是很新的研究范畴，本书为读者提供从基本概念到不同的集中式与分布式的重建算法，以及这些技术的比较；包含了分布式压缩感知失真率分析的最新研究结果，以及相应算法在实际中的实现与应用。

全书共6章：1. 引言：分布式系统与应用的发展、分类与研究现状；2.分布式压缩感知：介绍了CS的基本概念，回顾了不同类型的重建算法，还通过集成信号稀疏性模型，对集中式和分布式重建算法概要设计准则进行了说明；3.分布压缩感知的失真率理论：研究无编码器协作下相关的分布式源与其失真率分析，得到了在高速率的量化约束下，任何失真率的最佳控制性能的分布式压缩感知方案，最后通过报告的实验结果验证了理论的性能分析；4.集中联合回收：考虑不同的联合稀疏模型，并回顾和比较现有算法的性能，同时对最近的一类差分编码和重建算法进行研究；5.分布式恢复：回顾了基于一致性估计和分布式估值算法的几种不同类型，包括分布式次梯度法、交替方向乘子法、布式迭代阈值。然后集中研究这些算法的性能与效率；6.结论：对全书进行回顾，总结并展望。

作者Giulio Coluccia博士毕业于意大利都灵理工大学电信工程专业，研究领域为通信系统、信息理论、信号处理、压缩传感、重建等，发表诸如“通过随机投影的压缩指纹匹配与摄像头识别”“用于压缩感知重构Oracle接收机的精确性能分析”“基于块的随机投影的平滑约束图像恢复”等多篇SCI期刊、国际会议论文。

本书给予了读者分布式压缩感知从理论到实践的引导，为了帮助读者熟悉理论和算法，作者的网站提供附带的软件可以实现书中所描述的算法。

本书读者群体十分广泛，可供对数学优化、网络系统、图论方法、线性系统或随机系统和随机算法有兴趣的研究人员、工程师阅读参考，唯一的知识背景要求是读者需了解微积分和线性代数。