搜索资源列表
data_SVD
- 阵列信号处理方面，基于相关矩阵的稀疏重构，利用cvx工具箱求解；DOA估计(In array signal processing, sparse reconstruction based on correlation matrix is solved by CVX toolbox, and DOA estimation is used)
reconstruction
- 基于接收矩阵的稀疏重构，L1-SVD，阵列信号处理方面(Based on the sparse reconstruction of the received matrices, L1-SVD, array signal processing is presented)
sfft-0.1.0
- 采用MATLAB编程实现二分查找法的稀疏傅立叶变换算法。研究算法参数变化对信号频谱的影响，并对特定的宽带跳频信号进行稀疏傅立叶变换处理，得出相应的频谱，并与快速离散傅立叶变换的结果进行比较。(Recurrence of sparse Fourier transform)
sparse_decomposition
- 利用匹配追踪对信号进行稀疏分解，得到其稀疏表示形式(The use of matching pursuit for sparse decomposition of the signals, by their sparse representation)
K-SVD_and_W_KSVD_Sparse_Representation
- 通过字典学习更新的方法，对图像信号进行稀疏化分解(Through the method of learning and updating the dictionary, the image signals are sparse decomposed)
GMC_software
- 用于稀疏优化的最新非凸函数GMC算法，可用于信号处理以及图像处理。(The latest non convex function GMC algorithm for sparse optimization, can be used for signal processing and image processing.)
sfft-code
- 稀疏快速傅里叶变换作为传统FFT的改进版，它充分利用输入信号频域稀疏特性，实现序列的快速傅里叶变换。(As an improved version of the traditional FFT, sparse fast Fourier transform takes full advantage of the sparse characteristics of the input signal frequency domain to achieve fast Fourier transform
sparse and redundant representation
- 稀疏与冗余表示-理论及其在信号与图像处理中的应用一书的源代码(Sparse and redundant representation -From theory to application in signal and image processing -- the source code of the Book)
MATLAB总结
- 信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中所蕴含的信息，更方便进一步对信号进行加工处理，如压缩、编码等。信号稀疏表示方向的研究热点主要集中在稀疏分解算法、超完备原子字典、和稀疏表示的应用等方面。(Signal sparse representation is to overcomplete dictionary given in as little as possible to represent atomi
新建文件夹 (2)
- 字典学习。比如一个向量，是k维的，我现在有一个k*n的字典，其中n>>k，所谓的字典学习，就是在这包含n个向量的字典当中寻找一个线性表示可以表示出当前这个k维的向量。之所以称为“稀疏表示”，因为一般n大于k，比如n=512,k=64。这时候你的字典一定是一个Redundant（冗余的，过剩的）的。因此你的表示里面一定有很多系数为0，因而被称作稀疏表示。 信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态，包括线性多尺度变换，如小波，脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题，如去噪，反问题正规化，稀疏信号分解，盲源分离，压缩感知。 这本书的理论和实践研究相结合的领域，如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换，表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明
信号盒维数和稀疏性的提取_matlab
- 信号复杂度特征的提取，主要实现盒维数和稀疏性的matlab代码实现(Extracting the feature of signal complexity and realizing the matlab code of box dimension and sparsity)
Shift_Invariant_Sparse_Coding
- Matlab编写的移不变稀疏分解程序 ,求得对应于不同源信号的基，可实现信号特征提取(The shift invariant sparse decomposition program written by Matlab can obtain the basis of the signal corresponding to the homologous signal, and the signal feature extraction can be realized.)
凸优化
- 以上代码为使用凸优化来求解稀疏信号的DOA(The above code uses convex optimization to solve DOA of sparse signals)
Desktop
- 以上代码为用OMP算法来求解稀疏信号的解，非常适合压缩感知入门(The above code is used OMP algorithm to solve sparse signal solution, very suitable for compressed sensing entry)
mmmv
- 压缩感知，多采样下稀疏信号的恢复 ，适合了解多采样模型(Compressed sensing, sparse signal recovery under multi - sampling)
contourlet_toolbox.tar
- 轮廓波变换的基本原理，对输入图像的进行轮廓波变换，并重构原始信号(The basic principle of contourlet transform, performing contourlet transform on the input image and reconstructing the original signal.)
omp
- 正交匹配追踪(OMP)在稀疏分解与压缩感知重构，稀疏分解先于压缩感知提出，信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中所蕴含的信息，更方便进一步对信号进行加工处理，如压缩、编码等。(Orthogonal Matching Pursuit (OMP) is used in sparse decomposition and compressive sensing reconstruction. Sparse dec
omp可运行程序(m格式)
- 完成omp算法编程，其中加入了噪声及多种频率的信号完成了稀疏表征。(Programming of OMP algorithm with sparse representation)
An improved sparse component analysis Assembly
- 改进的盲源信号分析代码程序集，内有4个例子，对应论文为"Identification of modal parameters using an improved sparse blind source separation".