这本教科书，介绍了稀疏和多余的申述，对信号和图像处理应用的重点。的理论和数值基础处理前的应用进行了讨论。信号源的数学建模一起讨论如何使用适当的模型，如去噪，恢复，分离，插值和外推法，压缩，采样，分析和合成，检测，识别，多任务。这次报告会是优雅和迷人的。-Sparse and Redundant Representations From Theory to Applications in Signal and Image Processi

：压缩感知是近年来应用数学界提出的一套关于稀疏信号采集和重构的新理论，它突破了传统奈奎斯特采样定理 的限制，以远少于传统奈奎斯特采样定理所需的测量数据就能够精确恢复原信号或估计信号的相关参数。将压缩感知理论应 用到DOA估计，可以解决传统DOA估计中高采样率、以及较多辐射源信号条件下难以定位的限制。研究了基于压缩感知理 论的DOA估计方法，并利用MATLAB进行仿真，通过与传统MUSIC算法比较可知，基于压缩感知的DOA估计

压缩感知，多采样下稀疏信号的恢复 ，适合了解多采样模型(Compressed sensing, sparse signal recovery under multi - sampling)