本书的写作目的是阐述压缩感知在硬件系统实现中的性能表现和实现代价。首先介绍了压缩感知的基本理论，分析了典型CS（压缩感知）处理算法的性能表现。在此基础上，建立硬件系统架构，给出信号采集、量化过程的基本依据，同时对采集压缩比选择和量化饱和问题提出具体解决措施。最后介绍了典型应用的硬件实现案例，并从数据传输的安全性角度分析了CS的保密性限制和破解概率。本书着重从硬件实现角度详细分析了压缩感知的应用过程，针对实际工程应用中存在的热点及难点问题给出了详细解答。 本书既可以作为压缩感知学习者的工具书，也可以作为压缩感知理论工程应用者的参考资料。

第1章 压缩感知导论
1.1 信号采集与压缩感知
1.2 信号低维度模型
1.3 感知过程
1.4 相干性
1.5 限制等距性
1.6 信号重构
本章参考文献
第2章 压缩感知的应用
2.1 压缩感知（CS）性能的非最坏情况评估
2.2 超越基追踪
2.3 性能评估框架
2.4 实际性能
2.5 对抗“平等性”，为实践优化铺平道路
本章参考文献
第3章 从一般采集到自适应采集：获取信号
3.1 平均最大能量
3.2 耙度一局部化权衡分析
3.3 离线自适应的耙度和阴影边
3.4 耙度和测量分布
3.5 耙度与其他矩阵优化相比
本章参考文献
第4章 耙度问题的实现和复杂性约束
4.1 CS的复杂度
4.2 耙度和归零
4.3 通过投影梯度和交替投影求解TRLT和BRLT
4.4 非结构化和结构化归零
本章参考文献
第5章 生成耙度矩阵：一个有趣的二阶问题
5.1 信号的建模和定义
5.2 量化的高斯序列
5.3 对映感知序列
5.4 三元和二元传感序列
本章参考文献
第6章 压缩感知的体系结构
6.1 介绍和定义
6.2 CS信号采集链
6.3 架构和实施指南
6.4 饱和问题
6.5 从时间域到混合时空域
本章参考文献
第7章 模拟信息转换
7.1 引言和注释
7.2 Yoo等人提出的雷达脉冲信号的AIc
7.3 Chen等人提出的宽带多频BPSK信号的AIC
7.4 Gangopadhyay等人提出的ECG信号的AIC
7.5 Shoaran等人提出的颅内脑电图AIc
7.6 Pareschi等人提出的生物医学信号的AIC
7.7 原型比较
本章参考文献
第8章 使用压缩感知进行低复杂度的生物信号压缩
8.1 通过CS进行低复杂度的生物信号编码
8.2 Bortolotti等人提出的双模式ECG监测器
8.3 Mangia等人提出的用于WSNs信号的高效压缩感知归零方法
8.4 Mangia等人提出的低复杂度CS设计
8.5 Zhang等人设计的植入式神经记录系统
本章参考文献
第9章 使用压缩感知的模拟信息接口的安全性
9.1 压缩感知的安全视角
9.2 统计密码分析
9.3 计算密码分析
9.4 CS多级加密
本章参考文献
附录 部分彩图