Compressive Sensing (CS) jest kluczowym rozwi?zaniem lub metod? rekonstrukcji sygnalu przy bardzo malej liczbie pomiarów w porównaniu do metod konwencjonalnych. Zgodnie z konwencjonalnymi metodami lub mo?emy powiedziec, ?e teoria próbkowania Shannona-Nyquista wymaga dwukrotno?ci szeroko?ci pasma sygnalu do prawidlowej rekonstrukcji sygnalu. Podstawowym problemem jest przechowywanie du?ej ilo?ci danych za pomoc? konwencjonalnej metody. Aby to osi?gn?c, potrzebujemy macierzy pomiarowej, która powinna byc stabiln? macierz? pomiarow? i macierz? bazow?. Macierz pomiarowa i macierz bazowa powinny spelniac dwie wla?ciwo?ci: RIP i iid. Macierz pomiarowa, która zazwyczaj jest macierz? losow?, jest optymalizowana w celu uzyskania mniejszej wzajemnej spójno?ci. Istniej? ró?ne algorytmy rekonstrukcji, które s? wykorzystywane do prawidlowej rekonstrukcji sygnalu po kompresji.