搜索资源列表
decomposition
- 利用小波包实现信号的稀疏分解，方法较为新颖，外文文章
SparseDecomposition
- 期刊网上有关冗余字典对信号进行稀疏表示的几篇中文文章-several papers about Sparse Decomposition
chongjianxinhao
- 主程序产生一个稀疏信号调用子程序进行迭代重建-Main program calls subroutine to generate a sparse iterative signal reconstruction
scipy-0.9.0b1
- SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。-SciPy is package of tools for science and engineering for Python. It includes modules for statistics, optimization, integration, linear algebra, Fourier transforms, signal
xin
- 把稀疏度为4的信号，用OMP算法重构信号，然后比较重构的效果-design information
CS_HelloWorld
- 压缩感知的介绍性算法 主要是介绍OMP算法在稀疏信号重构上的实现-The compressed sensing introductory algorithm is introduced OMP implementations of the algorithm in the sparse signal reconstruction
l1_soc_mljsq_joint
- 一种求解信号DOA的方法。该方法首先将DOA的估计转化为MMV问题，然后采用联合稀疏约束将其转化为带稀疏约束问题的求解。-A method of solving signal DOA. Firstly, the DOA estimates into MMV problem then will be transformed into the solving of the problems with sparse constraint joint sparse constraints.
txys
- 压缩感知的获取与重建，信号的稀疏表示，测量矩阵，重建算法-Compressed sensing acquisition and reconstruction
CS_OMP_my_final
- CS算法OMP该进算法，对傅里叶与 的信号进行稀疏采样-Compressive Sensing OMP
Wavelet_OMP
- 小波稀疏分解和重构算法，适合通信信号和图像重构-Sparse wavelet decomposition and reconstruction algorithm for communications signal and image reconstruction
RICE-UNIVERSITY
- 标准压缩感知（CS）理论决定了可靠的信号恢复是可能给M= O（KLOG（N / K））的测量。我们证明了它可以通过利用超越简单的稀疏性和可压缩性由包括价值观和信号系数的位置之间的依赖关系更加逼真信号模型大大降低Mwithout牺牲的鲁棒性。-The standard compressive sensing (CS) theory dictates that robust signal recovery is possible from M=O(Klog(N/K))
WE
- 稀疏条件下欠定盲分离，得到混合矩阵，恢复原信号-Underdetermined blind separation under sparse conditions
shuzi
- 数字信号 ASK FSK PSK 在时域上是稀疏的-ASK FSK PSK digital signals in the time domain is sparse
as
- 模拟 AM FM DSB 信号傅里叶变换图 频域稀疏-Analog AM FM DSB frequency domain signal sparse Fourier transform Figure
DEMO
- 稀疏信号的重构算法：IST算法，OMP算法，Lasso算法，StOMP算法，TwIST算法-Sparse signal reconstruct algorithms
BP
- 一维信号BP重构算法，先生成稀疏度为K的稀疏矩阵，再加入高斯白噪声进行算法重构以及质量衡量。-BP signal reconstruction algorithm for one dimensional, Mr. into sparse matrix sparsity of K, then the Gauss white noise and measure the quality of reconstruction algorithm.
JISP20140100000_16513260
- 压缩感知将数据的采样和压缩同时处理，仅需少量测量就能重建信号。测量矩阵直接影响着信号适应 的稀疏度范围和重建效果。为了减小测量矩阵与稀疏变换矩阵的互相干性，提出一种基于 KSVD-ETF 的测量矩 阵和稀疏表达字典联合优化的方法，在对测量矩阵进行 ETF 优化的同时利用 KSVD 方法更新优化表达字典，实 验结果中利用该方法优化矩阵所得重建信号 PSNR 有所提高，表明优化测量矩阵的方法在重建效果方面有一定 的优势。- Compressive sensing, a novel s
Sparse-representation
- 稀疏表示的matlab代码，可以对信号进行稀疏表示，对稀疏表示有兴趣的学者，可以研究，很有帮助-Sparse representation of the matlab code, and the signal can be sparse representation, interested in sparse representation of the scholar, to study, very helpful
compressdoa
- ：压缩感知是近年来应用数学界提出的一套关于稀疏信号采集和重构的新理论，它突破了传统奈奎斯特采样定理 的限制，以远少于传统奈奎斯特采样定理所需的测量数据就能够精确恢复原信号或估计信号的相关参数。将压缩感知理论应 用到DOA估计，可以解决传统DOA估计中高采样率、以及较多辐射源信号条件下难以定位的限制。研究了基于压缩感知理 论的DOA估计方法，并利用MATLAB进行仿真，通过与传统MUSIC算法比较可知，基于压缩感知的DOA估计方法具有显著 的优势-The theory of Com
基于迭代支撑集检测的稀疏信号重构
- 基于迭代支撑集检测的稀疏信号重构 源码需要可以下载