搜索资源列表
cs-code
- 一个正弦波利用DCT，FFT变换后稀疏化，然后应用压缩感知实现压缩，并有仿真图例说明重构效果。重构算法采用线性规划和OMP算法等，是一个初学CS入门的好例子。-A sine wave using DCT, FFT transform sparse, and then apply compressed sensing to achieve compression, and a legend reconstruction simulation results. Reconstruction algo
compress edsensing OMP
- 压缩感知 正交匹配追踪一些人关心压缩感知与雷达成像，他们把稀疏表示放在最重要的地方，以为在雷达成像中成功实现压缩感知关键是稀疏表示； 事实上并不是如此。我们知道：压缩感知需要建立AX=B,且该方法具有较低的抑制信噪比能力；另外雷达成像的基础是雷达 信号与目标的相互作用，也就是电磁波与介质的相互作用，该相互作用是一个非常复杂的非线性问题，因此研究这个问题与 压缩感知的关系才是解决雷达成像问题的关键点所在。从另外一个角度来看，雷达成像中惯用的方法是匹配滤波，
Wavelet_OMP
- 基于小波变换与正交匹配准备恢复算法的稀疏恢复算法试验-Orthogonal wavelet transform algorithm is ready to resume Test match
Wavelet_OMPfunc
- 压缩感知的典型程序仿真，稀疏基为小波基，重构算法为OMP算法。-Perception of typical compression process simulation, sparse basis for the wavelet, reconstruction algorithm for the OMP algorithm.
cs_cvx
- 压缩传感，压缩感知，压缩采样，稀疏表达，稀疏表示，的入门例子-compressive sensing, compressed sensing
Method-for-solving-EM-problems
- 提出了一种求解电磁场有限元 边界元混合法所生成的线性方程组的有效方法 ———内观 法结合多波前法.由于该线性方程组的系数是一个部分稀疏部分满填充的矩阵,为了加速求解,应用内观法将系数矩阵分为 2块,一块是有限元法形成的稀疏矩阵,另一块是边界元法生成的满阵,然后用多波前法求解稀疏矩阵方程,用高斯 约当消去法解满阵方程. 采用该方法,计算了二维多层介质柱体的雷达散射截面.计算结果表明,该方法的计算效率远远高于传统的高斯法.-Proposed for solving mixed finite el
charpt8_3
- 安德森《计算流体力学及其应用》第八章二维超声速流动的数值解——普朗特—迈耶稀疏波 8.3节 普朗特—迈耶稀疏波流场的数值解。自己写的matalb源代码。-Anderson the computational fluid mechanics and its application "chapter 8 two-dimensional supersonic flow of numerical solution- prandtl- meyer rarefaction wave section 8.3
paper3
- 基于小波稀疏表示的压缩感知SAR 成像算法研究.pdf-A Compressive Sensing Imaging Approach Based on Wavelet Sparse Representation
compressed-sensing
- 压缩感知，稀疏表示采用小波基表示，压缩测量采用随机高斯矩阵，重构算法是omp重构-Compressed sensing, sparse representation using wavelet representation, compression measurements using random Gaussian matrix remodeling reconstruction algorithm is omp
ayy_LFM_OMP
- 多目标的线性调频连续波回波信号的正交匹配追踪算法OMP稀疏分解,matlab语言编写。-OMP method for signal compression
FOCUSS
- 用MATLAB利用FOCUSS实现波达方向的估计，FOCUSS算法通过找到合适的加权矩阵对稀疏信号进行恢复-Doa estimation using FOCUSS. FOCUSS algorithm through weighted matrix to find the right to recover the sparse signal.
RSSD
- 该代码针对滚动轴承故障振动信号呈现出非线性、非平稳性及噪声背景较强等特点，为了有效提取故障特征，使用的一种共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）与小波变换相结合的振动信号特征提取技术的相关仿真实验程序和轴承数据分解程序。其中，共振稀疏分解是基于品质因子可调小波变换与形态分量分析的一种新的信号分解方法，与常规的基于频带划分的信号分解方法不同，它依据信号各分量的振荡形态不同对信号进行分解。 同时还提供了可调谐 Q 因子小波
RieszWavelet(TIP2)
- 使用小波框架并结合稀疏表示，用于SAR图像的目标识别应用(Application of wavelet frame and sparse representation for target recognition in SAR images)