1.一种基于量化比特擦除的鲁棒性压缩感知方法，其特征在于，包括以下步骤：

1）数据发送方将图像数据的像素值矩阵展开，得到灰度值向量作为原始图像信号 ，利用伯努利随机矩阵 对图像信号 进行压缩采样以获得测量值 ；

2）使用通过Lloyd‑Max量化算法训练得到的量化器对测量值 进行量化；

3）数据发送方将量化后的测量值 和伯努利随机矩阵 传输给数据接收方，传输过程中采用Reed‑Solomon码进行信道保护；

4）数据接收方从量化后的测量值 中识别缺失比特，创建包含所有可能值的约束集合；

5）图像重构步骤：数据接收方利用伯努利随机矩阵 和约束集合 ，得到图像信号 的估计值，进而重构图像；

所述4）中，定位缺失比特的位置，并使用1或0值替换被擦除的比特以构建测量的约束集合；

所述4）中，测量值 是8位的量化比特流，传输中部分数据丢失，利用Reed‑Solomon码定位缺矢比特，并用0或1填充NaN值；对于量化测量向量的第 个值，若擦除了 个比特，则用0或1填充构建集合，并通过笛卡尔积形成最终约束集合 ：(1.1)；

其中， 表示 的第 个维度的所有可能值的集合，包含 种可能的测量值，其中，随着被擦除比特数量的增加，其数量呈指数增长；

所述5）中，数据接收方从量化后的测量值 和伯努利随机矩阵 中得到信号 的估计值的过程为：

5.1）初始化：设置误差门限和最大迭代次数，设置当前迭代次数k=0,设置初始值，获取量化后的测量值 的约束集合 ；

5.2）更新重构信号：

(1.2)；

(1.3)；

(1.4)；

其中， 和 表示第 次迭代中的参数， 和 表示伯努利随机矩阵和它的转置， 表示去噪器， 表示第 次迭代中对 的估计，和 表示服从高斯分布 的向量；

5.3）更新参数：

(1.5)；

(1.6)；

其中， 和 是权重参数，值分别为10和0.1， 表示第 次迭代中从约束集合 获取的元素；

5.4）迭代更新：更新 ，重复步骤5.2）‑5.3）直到满足误差限制或达到最大迭代次数，输出 作为信号 的估计值。