1、在數(shù)字化的今天，無(wú)論是信號(hào)的采集還是數(shù)據(jù)的傳輸，都面臨著對(duì)海量數(shù)據(jù)的處理。而作為信息論基礎(chǔ)的奈奎斯特準(zhǔn)則，不但無(wú)法改善這一狀況，甚至在某種程度上束縛了新技術(shù)的實(shí)際應(yīng)用和發(fā)展。有幸的是，一個(gè)新的理論——壓縮感知(CS,CompressiveSensing)理論，成功的打破了奈奎斯特準(zhǔn)則的限制，并得到廣泛關(guān)注和研究應(yīng)用。
　　壓縮感知理論是以極低的采樣率進(jìn)行采樣的，遠(yuǎn)低于奈奎斯特準(zhǔn)則規(guī)定的采樣率。但是，壓縮感知理論的低采樣率是以重構(gòu)算

2、法的復(fù)雜性換來(lái)的，因此，壓縮感知理論尤其是信號(hào)的重構(gòu)面臨著大數(shù)據(jù)量的運(yùn)算?？上驳氖?，基于圖形處理器(GPU,GraphicsProcessingUnits)并行運(yùn)算的通用性研究，可以方便且有效的解決大數(shù)據(jù)運(yùn)算量的問(wèn)題。
　　NVIDIA公司推出的統(tǒng)一計(jì)算設(shè)備架構(gòu)(CUDA,ComputeUnifiedDeviceArchitecture)，極大地促進(jìn)了GPU通用計(jì)算的開(kāi)發(fā)應(yīng)用。本文的主要工作，就是使用基于GPU并行運(yùn)算的CUDA來(lái)

3、實(shí)現(xiàn)壓縮感知理論的算法，包括離散小波變換(DWT,DiscreteWaveletTransform)和正交匹配追蹤(OMP,OrthogonalMatchingPursuit)，并實(shí)現(xiàn)對(duì)于圖像的壓縮感知處理。為了體現(xiàn)GPU的運(yùn)算能力，同時(shí)使用基于CPU串行運(yùn)算的OpenCV(OpenSourceComputerVisionLibrary)實(shí)現(xiàn)所述算法，并對(duì)兩者做出比較。
　　實(shí)驗(yàn)結(jié)果表明，GPU具有強(qiáng)大的運(yùn)算能力，并且使用CUDA