搜索资源列表
基于压缩感知的二维雷达成像算法
- ：压缩感知理论能够有效地降低高分辨率雷达成像系统的数据率。该文通过对复基带雷达回波信号模型的稀 疏性分析，提出了一种具有保相性的压缩感知距离压缩算法。在此基础上建立了距离向采用压缩感知距离压缩算法， 方位向采用传统的雷达成像算法处理的雷达2 维成像方案。通过对仿真和实测逆合成孔径雷达数据的成像处理验证 了方案的有效性
modelcs
- 压缩感知 ：非传统采样的模型实例和众多应用-model based compressivetoolbox
Algorithm
- 基于双树小波通用隐马尔可夫树模型的图像压缩感知-Compressive Sensing for Image Using Orthogonal Wavelet Transform and Orthogonal Matching Pursuit Algorithm
wavelet-tree-algorithm
- 采用压缩感知的方法，结合信号的小波树模型，对一维信号进行压缩重构。-Using Compressed sensing methods, combined with wavelet tree model of the signal, achieve the goal of the one-dimensional signal compression and reconstruction.
cs-channel-estimate
- 基于压缩感知的信道估计代码，有信道模型的建立和压缩感知信号的估计-Estimated based on compressed sensing channel code, the channel model
YALL1_v1.4
- 上述程序是美国RICE大学的一个学生编写的用于压缩感知的恢复算法，可以实现很多模型的稀疏恢复，包括BP，l1,l2,l1-l2混合型等比较多的类型-The above procedure is a student of the University of the United States RICE prepared for compressed sensing recovery algorithm can achieve a lot of model sparse recovery, incl
GPSR_6.0
- GPSR算法，一种求解压缩感知模型的快速算法，大量论文都涉及到-GPSR algorithm
IRLS
- 迭代加权二范数算法,又称FOUCSS，一种求解基于p范数的压缩感知模型算法-FOCUSS algorithm
lfm-compressive-sensing
- LFM宽带雷达信号的多通道盲压缩感知模型研究，提出了一种压缩感知技术新方法-Lfm compressive sensing
cascade TiedNets-master
- 压缩感知程序 压缩感知用来还原稀疏数据 找到数据原始结构，对图像还原有重要意义(Compressed sensing program, compressed sensing, to restore sparse data, to find the original structure of the data, is important for image restoration)
CS
- 因为自然界的数据都存在局部低维结构、周期性、对称性等，因此，传统的固定采样率的采样方法必然存在信息冗余。由于信息冗余的存在，我们就知道有数据压缩那么一门学科。既然这样，为什么要把冗余的数据也采进来，再进行压缩呢，能不能不把冗余的数据采集进来？ 压缩感知的思路就是：在采集的过程中就对数据进行了压缩，而且这种压缩能保证不失真（低失真）的恢复原始数据，这与传统的先2倍频率采集信号→存储→再压缩的方式不同，可以降低采集信号的存储空间和计算量。 本程序是对于压缩感知模型的数学描述(Mathematics
mmmv
- 压缩感知，多采样下稀疏信号的恢复 ，适合了解多采样模型(Compressed sensing, sparse signal recovery under multi - sampling)
基于压缩感知的MASSIVE MIMO信道估计
- 基于压缩感知的MASSIVE MIMO信道估计，采用OMP算法解决稀疏信道估计问题。MASSIVE MIMO多小区多用户模型，合成稀疏信道（有效解决导频污染）。(Based on compressed sensing for MASSIVE MIMO channel estimation, OMP algorithm is used to solve the sparse channel estimation problem. MASSIVE MIMO multi cell and multi-
压缩感知三维点_程序
- 对模型进行三维成像，向量化三维成像和压缩感知三维成像(Three dimensional imaging, vectorization 3D imaging and compressed sensing 3D imaging are performed on the model.)
基于压缩感知的MIMO信道估计算法
- 基于压缩感知的MIMO信道估计算法，使用了CoSaMP算法，GBP算法，OMP算法，CE算法，还有ls信道估计算法，MMSE算法，MIMO信道模型，等很全面(Compressed sensing based MIMO channel estimation algorithm, using CoSaMP algorithm, GBP algorithm, OMP algorithm, CE algorithm, and ls channel estimation algorithm, MMSE a
NLR_CS
- 该文件包含一篇基于秩极小化的压缩感知图像重建及其代码实现，该方法利用图像自身非局部相似性，构建低秩矩阵模型，实现图像重建。(This document contains a compressed sensing image reconstruction based on rank minimization and its code implementation. This method uses the non-local similarity of the image itself to co
基于非局部相似块低秩的压缩感知图像重建
- 该文件包含一篇基于秩极小化的压缩感知图像重建及其代码实现，该方法利用图像自身非局部相似性，构建低秩矩阵模型，实现图像重建。
direction finding algorithm
- 利用信号本身的结构特征，通过附加不同的稀疏约束，该模型利用过完备字典进行信号分解，使其表示成字典中若干原子的线性组合，从而获得数据的精简表示。(By using the structural characteristics of the signal itself and adding different sparse constraints, the model decomposes the signal into linear combinations of atoms in the dic
压缩感知DOA估计方法
- 该方法通过压缩方法求积信号的到达角，为了获得更精确的DOA估计值，把字典建模为可自由调整的参数描述的模型，通过梯度学习的方法，不断更新字典的格点值。
L1范数代码
- 动态压缩感知（DSC）是压缩感知领域中一个重要的研究分支，它是近几年新兴起的一种信号处理与分析方法，与传统的压缩感知理论不同，DSC研究的对象是稀疏时变信号，并且已在视频信号处理和动态核磁共振成像等方面显示出了强大的应用潜力。本节正是在此基础上，提出了一种用于多普勒频率跟踪估计的DSC方法。首先，通过前一跟踪时刻所得到的先验DOA稀疏信息，获得当前跟踪时刻信号向量中各位置非零元素的分布概率，继而建立起动态DOA的稀疏概率模型。然后，采用加权l_1范数最小化方法重构出当前跟踪时刻的信号向量，从而确