神經資料的壓縮感知

神經資料的壓縮感知（compressed sensing），是一種以遠低於奈奎斯特率的測量數來擷取訊號的取樣策略：在晶片上取訊號的隨機線性組合，事後再重建，並倚賴訊號在某個基底下是稀疏的（例如棘波在時間上是稀疏的）。原則上，這把壓縮移到類比數位轉換器之前，於感測器端節省功率與資料。

對神經記錄而言，其成果好壞參半且確有爭議。壓縮感知在稀疏假設乾淨成立、且重建值回其運算成本時表現最佳；面對密集的多神經元活動、相關雜訊與即時解碼，單純的閾值穿越或特徵方案往往更穩健也更省。它仍屬活躍的研究方向，而非已定案的解方。