搜索资源列表
files
- 压缩感知的很简单的入门小例子，基矩阵为正弦基，能很好地重构出稀疏信号-A simple example for the introduction of CS theory, the basis matrix is sinosoidal matrix, which can fully reconstruct the sparse signal.
Short-duration-power_CS
- 根据压缩传感(Compressed Sensing，cs)N论，首次提出了短时电能质量扰动信号的压缩采样方法，该方法突破了奈奎斯特采样频率的限制，实现了低于奈奎斯特采样频率的低速率采样。文中对比分析了CS理论与传统采样理论，研究了cS短时电能质量信号压缩采样的实现方法，包括：测量矩阵的构建、稀疏基的选取和电能质量信号快速贝叶斯匹配追踪重构算法(FBMP)-Compressed sensing ( Compressed Sensing , cs ) N theory , first propose
61
- 提出了一种结合SVD的小波变换方法，对其在外弹道测量数据中的野值剔除进行了研究。对观测数据进行小波分解，将小波分解后的近似分量和细节分量组合实现相空间重构，作为SVD方法的输入观测矩阵，根据奇异 熵增量准则，对奇异值进行筛选，根据SVD逆变换重构原信号。这一方法克服了Hankel矩阵相空间构建方法数据 端点失真问题。以小波分解后分量重构的相空间可以满足正交性，进一步提高了SVD进行数据降噪和野值检测的精度。仿真数据和试验数据处理结果证明了这一方法的有效性。-Proposed a meth
64
- 在简单介绍WH-800型离心机基本结构及工作原理的基础上, 介绍了基于重构吸引子轨迹矩阵的奇异值分解技术,并引入自相关函数对现有奇异值分解技术加以改进. 通过对现场实测故障信号的分析,表 明改进的奇异值分解技术具有很好的降噪效果,能在强噪声背景环境下准确提取设备的故障特征信号, 为离心机的故障诊断提供了一种新的思路.-After a brief introduction WH-800 centrifuge basic structure and working principle, base
DCT_Gaosi_fenkuai
- 对256*256大小的8bit灰度lena图像进行仿真 将图像分为16*16的分块进行计算 稀疏矩阵采用DCT矩阵，观测矩阵采用高斯随机矩阵，重构采用OMP算法- 256* 256 size lena image simulation 8bit grayscale image is divided into 16 * 16 calculate block sparse matrix using DCT matrix, observation matrix using Ga
DWT_hadamard
- 本程序实现Lena图像的压缩传感，测量矩阵为哈达玛测量矩阵，重构算法采用OMP重构算法-This procedure Lena image compression sensing, measurement matrix is Hadamard measurement matrix, reconstruction algorithm using OMP reconstruction algorithm
DWT_orth_eye
- 本程序实现Lena图像的压缩传感，测量矩阵采用部分正交矩阵，重构算法采用OMP重构算法-This procedure Lena image compression sensing, measurement matrix using some orthogonal matrix, reconstruction algorithm using OMP reconstruction algorithm
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
Wavelet_OMP
- 随机矩阵为小波变换的压缩传感，包含有系数采样、随机矩阵、重构算法程序-compressive sensing
Wavelet_OMP
- 包含压缩传感的随机矩阵程序，如小波变换和高斯随机矩阵和omp重构算法-Random matrix containing the compressed sensing programs, such as wavelet transform and Gaussian random matrices and omp reconstruction algorithm
Compression-perception-theory-
- 压缩感知理论及其研究进展,文综述了cs理论框架及关键技术问题，并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展，是一篇综述。-Compression perception theory and research progress, cs paper reviews the theoretical framework and key technical issues and focuses on the latest developments signal sparse tran
CS_OMP
- OMP重构算法，步骤清晰，输入传感矩阵，变换基矩阵和带重构的信号即可运行-OMP reconstruction algorithm, clear steps, input sensor matrix transformation matrix and base band signal can be reconstructed run
cs-speech-enhancement
- 文利用带噪语音经特征基函数矩阵转换后所具有的稀疏特性，用最大似然估计方法对转换后得到的稀疏 分量进行非线性压缩去噪，然后再经过反变换和重构恢复出原始语音信号的估计。特征基函数矩阵反映了语音数据本 身的统计特性，因此具有很好的合理性和可取性。仿真结果表明利用稀疏编码方法能极大程度地抑制背景噪卢，与小波消噪法相比优势明显。-a speech enhancement algorithm based Compressed Sensing.
Matrix_Noise
- 自编的MATLAB图像处理函数，对图像矩阵进行行列的分块和重构，很简洁实用-image MATRIX processing function proposed by myself
main
- 关于压缩感知理论观测矩阵，重构算法等主函数-On compressed sensing observation matrix, the main function of the reconstruction algorithm
The-beauty-of-mathematics
- 几年前，“数学之美”系列文章原刊载于谷歌黑板报，获得上百万次点击，并被热情的读者广为传播，得到高度评价。读者说，读了“数学之美”，才发现大学时学的数学知识，比如马尔科夫链、矩阵计算，甚至余弦函数原来都如此亲切，并且栩栩如生，才发现自然语言和信息处理这么有趣，才真正明白“数学是科学的皇后”这句名言。 今年，作者吴军博士几乎把所有的文章都重写了一遍，为的是能把高深的原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。经过改写和重构后，《数学之美》在整体和细节的度上控制得更好。希望读者通过具体的
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.
nfm
- 简单的非负矩阵分解算法，实现图片的重构，迭代次数越大，越接近原图-Simple non-negative matrix factorization algorithm, the reconstruction of the picture, the greater the number of iterations, the closer to the original image
haar-wavelet
- haar二维小波分解，输出四个分解系数子矩阵.将系数重构，得到最终的输出矩阵-haar two dimension wavelet decompositon
code
- 有关于哈达玛矩阵的测量矩阵matlab代码,重构算法为TVAL3算法-About Hadamard matrix of measurement matrix matlab code, algorithms reconstruction algorithm for TVAL3