搜索资源列表
Compressed-Sensing-Theory
- 用压缩感知理论对信号数据进行采集、编解码,进行数据恢复。主要阐述了CS理论框架以及信号稀疏表示、CS编解码模型.-Compressed Sensing(CS) theory is a novel data collection and coding theory under the condition that signal is sparse or compressible.
cs-code
- Matlab下的压缩感知稀疏恢复工具包 工具包BGIKS08 ， BIR08和BI08 。 -Matlab sparse compressed sensing under the Recovery Kit Kit BGIKS08, BIR08 and BI08.
Recognition-of-notes
- 基于稀疏分解的音符识别研究，一篇毕业论文，值得参考-Recognition of notes based on sparse decomposition
larc-of-speech-enhancement
- 基于字典的语音增强中稀疏编码计算稀疏矩阵的一种改进算法，称作larc-Dictionary-based computing sparse coding speech enhancement sparse matrix, an improved algorithm, called larc
KSVD-of-speech-enhancemant
- 基于字典学习的语音增强中字典更新的算法，称作近似K-SVD算法，其中包含了OMP算法用于稀疏编码计算系数矩阵-Dictionary-based learning dictionary speech enhancement algorithm update, called approximate K-SVD algorithm, which contains the sparse coding algorithm is used to calculate the coefficient matri
sparsematrix
- 行逻辑三元组顺序表实现稀疏矩阵,包括加法，减法，乘法，转置-OK logical sequence of triples table to achieve a sparse matrix.
RLS-WEIGHTED-LASSO
- 介绍了LASSO算法，他是是一种很好的稀疏信号参数估计方法。-The batch least-absolute shrinkage and selection operator (Lasso) has well-documented merits for estimating sparse signals of inter- est emerging in various applications, where observations adhere to parsimonious
GABOR
- 基于GABOE原子库的稀疏分解算法在图相检测领域意义深渊，本程序是该算法的组程序，及优化设计正交双路后的精简算法程序-Gabor atomb
Research-on-Compressed-Sensing
- 经典的香农采样定理认为,为了不失真地恢复模拟信号,采样频率应该不小于奈奎斯特频率(即模拟信号 频谱中的最高频率)的两倍.但是其中除了利用到信号是有限带宽的假设外,没利用任何的其它先验信息.采集到 的数据存在很大程度的冗余.Donoho等人提出的压缩感知方法(Compressed Sensing或Compressive Sampling, CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息,利用随机投影实现了在远低于奈奎斯 特频率的采样频率下对压缩数据的直接采集.该
Modelling-Functional
- 相关向量机用于分类，可用于稀疏贝叶斯学习的研究，文章内含有RVM代码-Relevance vector machine for classification, can be used to study the sparse Bayesian learning, the article contains RVM code
Sparsity-Inducing-DOA
- 基于稀疏分解的宽带信号DOA估计方法，使用了基于贝叶斯的方法具有良好的估计精度和分辨率-Wideband signal sparse decomposition DOA estimation method based on the use of a method based on Bayesian estimation has good accuracy and resolution
Image-Sparse-Representation-Model
- 完备图像稀疏表示是一种最新的图像表示模型，采用过完备字典中原子的线性组合形式实现图像的稀疏表示．传统 的过完备图像稀疏表示模型采用重建误差的平方和作为保真项．该保真项没有充分考虑到人眼对图像的感知特性，无法度量图 像中边缘、轮廓、纹理等局部几何结构的变化．本文基于过完备稀疏表示理论思想，建立了新的稀疏性正则化的图像稀疏表示模 型．模型中的正则项约束图像表示系数的稀疏性，保真项采用更符合视觉感知的结构相似性度量．基于正交匹配追踪算法，提出 了基于结构相似度的正交匹配追踪算法．实验结
Image-Super-Resolution-Algorithms
- 前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示，不能反映不同类型图 像块问的筹别．针对这一缺点，本文提出基于图像块分类稀疏表示的方法．该方法先利用图像局部特征将图像块分为 平滑、边缘和不规则结构三种类型，其中边缘块细分为多个方向．然后利用稀疏表示方法对边缘和不规则结构块分别 训练各自对应的低分辨率和-岛分辨率字典．重构时对平滑块利用简单双三次插值方法，边缘和不规则结构块由其对应 的高、低分辨率字典通过正交匹配追踪箅法重构．实验结果表明，与单字典稀疏表示算法相比
About-SparseLab
- 稀疏表示是压缩感知的基础条件，一篇关于稀疏表示的详细介绍，值得学习。-Sparse representation is a basic condition for compressed sensing, detailed article on sparse representation, it is worth learning.
KSVD_Color_IEEE_TIP
- 图像稀疏表示近来比较流行!本文是一篇基于k-svd方法变换的快速方法的经典文章！-Image sparse representation of the more popular lately! This article is based on a quick way to change the method of k-svd classic article!
LW
- ISLO与CoSaMP算法在稀疏多径信道估计中的比较的一篇最新论文。前者明显优于后者。-ISLO and CoSaMP latest paper compares an algorithm in sparse multipath channel estimation. The former is much better than the latter.
SVR
- 基于支持向量机的短波信号盲均衡算法，该算法稀疏性好，性能稳定。-SVM shortwave signal blind equalization algorithm based on the algorithm sparsity, and stable performance.
B--speech-enhancement
- 本文章主要是研究在压缩传感语音增强稀疏问题。一些算法以及对比。-On sparsity issues in compressive sensing based speech enhancement
Structured-Compressive-Sensing
- 本文围绕压缩感知的三个基本问题, 从结构化测量方法、结构化稀疏表示和结构化信号重构三个方面对结构化压缩感知的基本模型和关键技术进行详细的阐述.-In this paper, the basic models and key techniques of structured compressive sensing are introduced in terms of the structured measurements, the structured dictionary representat
robust
- 2篇基于稀疏表示具有鲁棒性人脸识别算法介绍，pdf格式-2 piece based on sparse representation robust face recognition algorithm is introduced, in PDF format