随着信息技术的高速发展、互联网的迅速普及,人们对信息的需求日益增长。根据传统的奈奎斯特采样定理,为了避免在获取信号时丢失必要的信息,必须至少以信号带宽的两倍进行采样。然而在许多应用场景中,如数字成像系统、高速A/D转化器中,过高的采样频率造成了很多不必要的资源浪费。越来越高的信息存储和传输要求,使得压缩感知理论应运而生。该技术在采样和压缩同时进行的情况下,利用非自适应的线性矩阵保留了信号的结构,并能够通过最优化算法有效地重构出原始信号。作为压缩感知过程的核心问题之一,信号的稀疏表示,决定着能否简单有效地保留信号结构,因此成为人们的研究热点。本文在大量地阅读有关文献的基础上,对于信号的稀疏表示原理进行了深入研究和全面论述。然后,在对稀疏字典的发展和分类进行总结与概述的基础上,深入研究了K-SVD字典算法以及其改进算法的原理和实际应用。在实际生活中,声学技术的持续发展不断提高着人们对听感体验的要求,杜比5.1环绕声系统应运而生。文章还提出了一个基于压缩感知技术的低比特率多声道音频传输方案,实验结果证明该方案在实际应用中具有良好效果,可以有效实现低采样率下的信号传输与重构,减轻信道传输压力。同时,对于信号传输过程中可能受到的低强度或高强度的白噪声干扰,本方案有着较强的增强效果,系统在噪声干扰下具备较强鲁棒性,可以保证低采样率条件下的信号传输质量。为了验证该音频传输方案中音频增强部分的可行性,简要分析了贝叶斯K-SVD算法的优缺点,并基于音频信号这类自然信号所具有的稀疏特性,将其应用于单声道音频信号的增强中。音频信号作为一种非稳态信号,在传输过程中不可避免地会受到噪声的干扰,如何最大程度地降低干扰,同时保留观测数据中的细节信息意义重大。实验结果表明运用此方法能够得到明显的分段信噪比和对数谱距离改善量,并且省去了预先设定训练样本集以及阈值的过程。