针对稀疏信号的准确和实时恢复问题，提出了一种基于神经动力学优化的压缩感知信号恢复方法。通过引入反馈神经网络（recurrent neural network，RNN）模型求解l1范数最小化优化问题，计算RNN的稳态解以恢复稀疏信号。对不同方法的测试结果表明，提出的方法在恢复稀疏信号时所需的观测点数最少，并且可推广到压缩图像的恢复应用中，获得了更高的信噪比。RNN模型也适合并行实现，通过GPU并行计算获得了超过百倍的加速比。与传统的方法相比，所提出的方法不仅能够更加准确地恢复信号，并具有更强的实时处理能力。
