搜索资源列表
demo_theory
- 观测矩阵已知的 基于tval3算法的压缩感知信号重构-known observation matrix remodeling
dft
- 其中dft.m 是通过该程序同时输出图片1,2的R、G、B三通道的DFT正反变换图、相角图、幅度图，图片1,2的彩色DFT正反变换图以及DFT后图片1,2幅度相位信息置换后的彩色结果图。 dct.m是通过该程序显示“实验室用原图像”中的图片3的R、G、B三通道DCT正反变化对比图，变换系数图以及彩色DCT正反变换图。 compress.m是通过该程序输出图片3的保留n个DCT变换系数重构彩色结果图。需要说明的是其中决定保留系数个数n的mask矩阵需要手动更改。-Wherein
GPSR
- 压缩感知里的梯度投影重构算法代码，也给出了SBEH感知矩阵的生成源代码-Compressed Sensing in the gradient projection reconstruction algorithm code also gives the perception SBEH matrix to generate source code
cs_CoSaMP
- 压缩感知代码。包含了测量矩阵，所用重构算法为压缩采样匹配追踪。-Compressed Sensing. reconsitution with CoSaMP.
ROOTMUSIC
- 针对非圆信号DOA估计问题,提出了一种基于实值特征值分解 (Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与 余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据 EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验
NMF-lena
- 使用非负矩阵分析对原图像进行了重构，得到重构后的图像-Using nonnegative matrix analysis to reconstruct the original image, the image reconstruction
2D_SL0
- 2维压缩感知SL0重构算法，涉及两个测量矩阵，两个方向进行。是本人精心编写调试好的，请放心使用。-2 dimensional compressive sensing using 2D_SL0 reconstruction algorithm, involving two measurement matrices, two directions.
pcaimage
- 基于主成分分析的图像压缩，通过传入图像矩阵、主成分配置、子块大小来进行PCA处理，可得到压缩重构的图像矩阵、压缩比、贡献率信息-Image compression based on principal component analysis, by passing the image matrix, the main component configuration, the sub-block size to PCA processing, compression can be obtained
mds
- Multidimensional Scaling(MDS)是一种经典的数据降维方法，同时也是数据可视化的一种手段。这个问题的最早起源，是当我们仅能获得物体之间的相似性矩阵时，如何由此来重构它们的欧几里德坐标。譬如，对一个国家的许多城市而言，假如我们并不能确定它们的经纬度信息，却知道所有城市两两之间的距离，就可以通过MDS方法将这些代表相似性的距离数据，呈现在二维坐标上。-Multidimensional Scaling (MDS) is a classical data dimensionali
ONSL0
- ONSL0稀疏重构算法是NSL0的优化版 输入: y:测量值向量 A:测量矩阵 A_pinv:A的广义逆 输出: xr:重构信号 用于对信号或者图像的压缩重构-ONSL0 u7A00 u758F u91CD u6784 u7B97 u6CD5 u662FNSL0 u7684 u4F18 u5316 u7248 u8F93 u5165: y: u6D4B u91CF u503C u5411 u91CF A: u6D4B u91CF u7
OSL0
- OSL0稀疏重构算法 SL0的优化版 输入: y:测量值向量 A:测量矩阵 A_pinv:A的广义逆 输出: xr:重构信号 实现信号的压缩重构-OSL0 u7A00 u758F u91CD u6784 u7B97 u6CD5 SL0 u7684 u4F18 u5316 u7248 u8F93 u5165: y: u6D4B u91CF u503C u5411 u91CF A: u6D4B u91CF u77E9 u9635
bbb
- 二．二维小波分解与重构程序说明 1.主函数 mymain.m:通过调用所写的函数对信号进行二维小波分解与重构 main.m:利用MATLAB中小波变换函数实现 2.调用的子函数 function [x2,cA,cV,cH,cD] mydwt2(x,Lo_D,Hi_D) 函数mydwt() 对 x 进行二维小波分解 输入参数为x,Lo_D,Hi_D x为输入信号，Lo_D为低通滤波器,Hi_D为高通滤波器 输出参数：cA,cV,cH,cD —— 是
Compressive_sensing
- 傅立叶变换矩阵对信号进行稀疏表示，用高斯随即观测矩阵观测，重构方法为征缴匹配追踪算法、压缩感知入门程序，经典之作- U5085 u7An2F3 u53D3 u53A2 u7R09 u09R0 U9635 u89C2 u6D4B uFF0C u91CD u678 u6B1 u6CD5 u4E3A u5F81 u7F34 u5339 u914D u8E U5E8F uFF0C u7ECF u5178 u4E4B u4F5C
compressing
- 应用傅立叶变换矩阵对信号进行稀疏,经高斯随机观测矩阵观测,经正交匹配追踪算法重构.压缩感知入门程序-The Fourier transform matrix is used to spill the signal. Observed by Gaussian random observation matrix and reconstructed by orthogonal matching tracing algorithm. Compression Sensing Getting Started
SingularSpectrum
- 奇异谱分析是近年来兴起的一种研究非线性时间序列数据的强大的方法。它根据所观测到的时间序列构造出轨迹矩阵，并对轨迹矩阵进行分解、重构，从而提取出代表原时间序列不同成分的信号。如长期趋势信号、周期信号、噪声信号等，从而对时间序列的结构进行分析，并可进一步预测。(Singular spectrum analysis is a powerful method to study nonlinear time series data in recent years. A trajectory matrix
ssa
- 奇异谱分析是近年来兴起的一种研究非线性时间序列数据的强大的方法。它根据所观测到的时间序列构造出轨迹矩阵，并对轨迹矩阵进行分解、重构，从而提取出代表原时间序列不同成分的信号，如长期趋势信号、周期信号、噪声信号等，从而对时间序列的结构进行分析，并可进一步预测。(Singular spectrum analysis is a powerful method to study nonlinear time series data in recent years. According to the tim
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)
zernikeju
- 泽尼克系数多项式矩阵计算，对于重构波前有一定的帮助(Zernike coefficient polynomial matrix calculation, for the reconstruction of wavefront has some help)
dswfq73
- 用MATLAB实现计算机视觉中三维重构所需的基本矩阵的运算()
Untitled00
- 压缩感知用高斯随机矩阵作为测量矩阵，用BP算法重构(The Gauss random matrix is used as the measurement matrix for the compression perception, and the BP algorithm is reconstructed)