近年来,随着现代信息技术的飞速发展,人们对信息量的巨量需求与传统的信号处理理论之间的矛盾日益加剧。传统的奈奎斯特采样定理要求采样速率必须大于信号最高带宽的两倍以上才能精确恢复出原始信号,然而在实际应用
基于压缩感知的MIMO信道估计算法,使用了CoSaMP算法,GBP算法,OMP算法,CE算法,还有ls信道估计算法,MMSE算法,MIMO信道模型,等很全面
张伟,tanh超,董风
最近提出的前向后向算法(Forward-backward Pursuit,FBP)因为重构精度较高受到人们更多关注。但是FBP算法没有考虑到当前迭代残差信号的变化,每次迭代选取的原子和删减原子的数目是
强力推荐ISAR转台成像程序,发送线性调频波。ISAR成像在进行了平动补偿之后,模型等效为转台模型
压缩感知,又称压缩采样,压缩传感。它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。
压缩感知重构图像,这里有几种算法。包括了稀疏性分解,测量矩阵(多种)以及三种重构算法
摘 要:为提高压缩感知重构精度,该文提出一种分段弱阈值修正共轭梯度追踪算法。该算法修正了方向追踪算法的方向,明确给出了搜寻原子下标的停止迭代准则,利用搜寻所得下标集通过最小二乘法得到稀疏信号的估计值。
为了提高超分辨光学波动成像(SOFI)显微技术的实时性,提出了一种结合图像滤波的SOFI算法。对获取的多帧图像先进行滤波处理,再根据多帧图像中荧光粒子的时间自相关性进行SOFI算法处理,可快速得到高信
从压缩感知入手,阐述了基于压缩感知的三维物体成像方法和数学模型。用不同的测量矩阵和稀疏矩阵对不同特性的目标进行测量和重构,对不同的测量矩阵和稀疏矩阵进行分析,目标的特性不同,最佳的测量矩阵和稀疏矩阵也