KSVD稀疏表示字典训练程序

为了实现UWB（ultra-wideband）信号的高效稀疏表示，依据UWB信道的多径簇到达特性提出一种UWB信号稀疏表示方法。该方法利用S-V（saleh-valenzuela）统计模型以多径簇信号

在svd的基础上做的一个改进的方法，是子空间学习的又一个好的学习方法，其中有用到稀疏表示和字典学习。具体情况大家还是自己看吧挺好的希望对大家有用

analysisKSVD,系数表示中和ksvd对应的一种稀疏表示方法

详细讲解了K-SVD字典训练的过程，和冗余字典在实际中的应用！

非负矩阵分解是超光谱图像超分辨率的最典型模型。 但是,对系数的非负限制限制了字典表达的效率。 面对这一问题,提出了一种基于非因式稀疏表示和字典学习的高光谱图像超分辨率方法(称为NFSRDL)。 首先,

通过稀疏字典学习的方法，将图像进行稀疏分解，再通过字典学习，获得新的稀疏矩阵，然后调节参数用于稀疏去噪。

超分辨率与稀疏表示，挺好的，谢谢参考，有关图像修复的算法，有点难

杨建超老师在2010年发表的基于稀疏表示的图像超分辨文章PPT整理，包括详细的公式和自己的总结，希望对大家有帮助

基于信号的稀疏表示理论提出一种线性时不变系统辨识方法.该方法利用线性调频信号作为线性时不变系统激励输入信号,在利用传统方法进行系统辨识前利用稀疏分解算法对系统输出信号进行噪声处理.线性调频信号具有较好

多数稀疏表示方法需要原子数目远远大于原子维数的大规模冗余字典，并采用l1-范数最小化方法来计算稀疏系数。为了降低算法复杂度，提出一种基于稀疏表示的快速l2-范数人脸识别方法。通过提取融合特征和缩小字典