文摘压缩感知(Compressed Sensing,CS)中测量矩阵是获取原始信号数据结构和信息的关键,测量矩阵的研究为压缩感知理论在具体场景中的应用提供理论基础。通过比较稀疏空间中的信号重构问题与线性解码问题,论述了压缩感知理论与低密度奇偶校验码(Low-density Parity-check,LDPC)间的理论联系,得出结论:稀疏校验矩阵可以作为压缩感知测量矩阵。为验证结论,提出了分组渐进边生长算法(Progressive-edge-growth by Group,G-PEG),该算法改善了矩阵生成速度并在分组中保留了随机特性。仿真结果表明,G-PEG矩阵是一种性能优良的测量矩阵。
