压缩感知，又称压缩采样，压缩传感。

它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，压缩感知理论一经提出，就引起学术界和工业界的广泛关注，它在信息论、图像处理、地球科学、光学、微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。

压缩感知理论的核心思想主要包括两点：第一、信号的稀疏结构：传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。

但是，现实生活中很多广受关注的信号本身具有一些结构特点。

相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。

换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。

所以，在这种意义上，这种信号是稀疏信号。

第二、不相关特性：稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。

理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。

这些波形要求是与信号所在的稀疏空间不相关的。