数据压缩技术无处不在，信号之所以能够被压缩是因为信号本身具有很大的冗余性。"压缩感知"顾名思义，就是在感知／采样的过程中，自动剔除数据的冗余性，直接获取压缩版本的数据，不仅节省数据采集过程的成本，还能节省空间，极大地提高了采样效率。压缩感知理论指出稀疏的或具有稀疏表达的有限维数的信号可以利用远少于奈奎斯特采样数量的线性、非自适应的测量值无失真地重建出来。本书系统性地介绍了压缩感知的来世今生，深入浅出地介绍了压缩感知的理论基础和构成压缩感知框架所需的基本要素，例如，稀疏性、采样矩阵的约束等距特性和基于L1范数最小化的稀疏信号重建，同时有代表性地介绍了压缩感知在诸多领域中带来的革新和机遇。