压缩感知信号盲稀疏度重构算法

利用正交匹配追踪算法对高光谱图像进行压缩感知重构,是通过寻找最优原子对原始信号进行线性表示,使残差不断减小以获取重构信号。在处理基于冗余字典的重构问题时,其耗时主要存在于原子匹配过程和残差更新过程,导

针对现有光栅光谱解调方式所需数据量较大不利于数据传输及处理的现状,应用压缩感知算法通过少量光谱数据采集实现高精度光栅光谱的重构。选取可调谐法布里珀罗(F-P)滤波器解调方式(TFPDA)作为参照并以布

针对已有压缩感知重构算法重构精度不高、消耗时间长的问题，在研究[lp]范数和光滑[l0]范数压缩感知重构算法的基础上提出改进算法。通过极大熵函数构造一种光滑函数来逼近最小[lp]范数，对解序列进行离散

基于log-sum范数的压缩感知重构算法，成萍，刘婷婷，压缩感知中基于l1范数的最小优化算法，并不是对l0范数的最有效的逼近方法。随着测量值的减少，l1范数恢复信号的能力也在下降。针对

压缩感测(CS)理论具有从稀疏视图投影数据重建CT图像的巨大潜力。当前,基于全变异(CT)的CT重建方法是医学CT领域的研究热点,其在迭代过程中使用梯度算子作为稀疏表示方法。但是,用这种方法重建的图像

基于压缩感知理论的图像重构技术，压缩感知学术论文，压缩感知是2006年提出的技术，打破了传统的香农采样定律。

利用无线传感器网络的空间相关性, 构建了一种差值信号稀疏模型, 该模型适用于对同一物理现象或事件进行监测的传感器网络应用。在差值信号稀疏模型的基础上, 提出了一种适用于该模型的分布式压缩感知算法, 该

使用常模算法实现通信信号的盲均衡，具体算法有CMA算法、RLS-CMA算法，以及改进软法MRLS-CMA算法

这是一个盲信号分离自适应算法，是一个matlab代码

提供一种盲分离的matlab实现，适用语音信号和一些其他的混合信号。