This thesis studies digital compression of sparse signals via information-theoretic limits and compressed sensing algorithms. A rate-distortion function with multiple constraints is proposed and studied for sparse sources. Two different compressed sensing problems with scalar quantization are considered. First, Bayesian approximate message passing algorithms are applied to single and multi-terminal settings. Second, uniform approximation guarantees are derived for distributed one-bit compressed sensing.     «

This thesis studies digital compression of sparse signals via information-theoretic limits and compressed sensing algorithms. A rate-distortion function with multiple constraints is proposed and studied for sparse sources. Two different compressed sensing problems with scalar quantization are considered. First, Bayesian approximate message passing algorithms are applied to single and multi-terminal settings. Second, uniform approximation guarantees are derived for distributed one-bit compressed...     »

Diese Arbeit behandelt die digitale Komprimierung dünnbesetzter Signale mit Methoden der Informationstheorie und Algorithmen basierend auf Compressed Sensing. Eine Rate-Distortion-Funktion mit mehreren Gütekriterien wird eingeführt und für dünnbesetzte Signale analysiert. Zwei Szenarien des Compressed Sensing mit Skalarquantisierung werden untersucht. Approximate Message Passing wird für einzelne und dezentrale Signale ausgewertet. Zudem wird eine Schranke für den maximalen Fehler im dezentralen Ein-Bit Compressed Sensing bewiesen.     «

Diese Arbeit behandelt die digitale Komprimierung dünnbesetzter Signale mit Methoden der Informationstheorie und Algorithmen basierend auf Compressed Sensing. Eine Rate-Distortion-Funktion mit mehreren Gütekriterien wird eingeführt und für dünnbesetzte Signale analysiert. Zwei Szenarien des Compressed Sensing mit Skalarquantisierung werden untersucht. Approximate Message Passing wird für einzelne und dezentrale Signale ausgewertet. Zudem wird eine Schranke für den maximalen Fehler im dezentralen...     »