Rev. Téc. Ing. Univ. Zulia. Vol. 34, Nº 3, 263 - 272, 2011 A hardware implementation of Compressive Sensing Theory Alexis D. Velázquez, José Luis Paredes, Francisco Viloria Escuela de Ingeniería Eléctrica, Universidad de Los Andes. Mérida 5101, Venezuela. Tel-Fax: (0274) 240 2903 Abstract In this paper, the new theory of compressive sensing (CS) that unifies signal sensing and compres- sion into a single task is implemented on a Digital Signal Processing (DSP) board. An iterative algorithm for signal reconstruction known as Matching Pursuit is implemented on the DSP and used to the recon- struction of real signals from a reduced set of random projections. Two kinds of validation procedures are used to test the reconstruction algorithm implemented. More precisely, sparse signals synthesized on the DSP and sparse signals generated by a special-purpose generator are used to experimentally test the com- pressive sensing theory verifying in this way its potential. It is shown that the CS theory is able to recover the most significant values of the underlying signal, while yielding negligible differences between the origi- nal signals and the reconstructed ones. Keywords: Compressive Sensing, sparse signals, signal reconstruction, Matching Pursuit. Implementación a nivel de hardware de la teoría de Compressive Sensing Resumen En este artículo, la nueva teoría de Compressive Sensing es implementada en una tarjeta de adqui- sición. Esta teoría permite realizar en forma simultánea los procesos de muestreo y compresión de seña- les poco densas. El algoritmo iterativo de reconstrucción Matching Pursuit es implementado y usado para la reconstrucción de señales reales a partir de un conjunto reducido de proyecciones aleatorias. El algoritmo implementado es sometido a dos diferentes tipos de validación: 1) la reconstrucción de seña- les sintetizadas en la tarjeta y 2) la reconstrucción de señales pocos densas producidas por un genera- dor de propósitos especiales. Se corrobora experimentalmente el potencial de esta teoría al comparar las señales reconstruidas con respecto a las señales originales observándose prácticamente no diferencia apreciable. Palabras clave: Compressive Sensing, señales poco densas, reconstrucción de señales, Matching Pursuit. 1. Introducción Compressive Sensing (CS) es una teoría re- cientemente introducida por Candes [1] y Do- noho [2], la cual intenta unificar el proceso de muestreo y compresión de señales pocos densas en forma simultánea. En principio, la teoría de CS establece que una señal poco densa puede re- cuperarse, con alta probabilidad, a partir de un conjunto reducido de proyecciones lineales alea- torias usando algoritmos de reconstrucción no li- neal. La señal puede ser poco densa en cualquier dominio (tiempo, frecuencia, wavelet, etc.) y el número de proyecciones aleatorias usadas para recuperar la señal, en general, es mucho menor que el número de muestras, permitiendo así re- Rev. Téc. Ing. Univ. Zulia. Vol. 34, No. 3, 2011