Compressive Sensing (CS) ist die Schlüssellösung oder -methode zur Rekonstruktion des Signals mit einer sehr geringen Anzahl von Messungen im Vergleich zu herkömmlichen Methoden. Nach den herkömmlichen Methoden oder der Shannon-Nyquist-Abtasttheorie benötigen wir die doppelte Signalbandbreite für eine korrekte Rekonstruktion des Signals. Das Grundproblem besteht darin, dass mit der konventionellen Methode eine große Menge an Daten gespeichert werden muss . Um dies zu erreichen, benötigen wir die Messmatrix, die eine stabile Messmatrix sein sollte, und die Basismatrix. Die Mess- und die Basismatrix sollten zwei Eigenschaften erfüllen, nämlich RIP und iid. Die Messmatrix, die im Allgemeinen eine Zufallsmatrix ist, wird optimiert, um eine geringere gegenseitige Kohärenz zu erreichen. Es gibt verschiedene Rekonstruktionsalgorithmen, die für die korrekte Rekonstruktion des Signals nach der Komprimierung verwendet werden .