資源簡介
基于匹配追蹤的算法代碼已經試驗過了降噪效果不錯
代碼片段和文件信息
%%原理:目標是從y=Phi*x中重建稀疏的x,MP與OMP都是通過確定Phi的哪一列參與測量向量y
%中來確定x的支撐,運用貪婪模式去確定每一列。在每次迭代中,選擇phi中與y的剩余部分最相關的列
%然后從y中抽取該列對y的貢獻再對其冗余迭代。
%1-D信號壓縮感知重建算法MP?
%測量數M>=K*log(N/K)K是稀疏度,N是信號長度
%輸入:感知矩陣(測量矩陣)Phi測量向量y稀疏度K
%輸出:x的k稀疏度的逼近signal_reconstruct誤差向量r_n
clc;clear
%%??1.?時域測試信號生成
%產生長度為N=256的稀疏信號,其稀疏度K=23。且這23個非零值隨機分布于信號256個位置
%觀測向量y的長度M=80,即采樣率M/N=0.3
N=256;
K=23;
M=80;
x?=?zeros(N1);
q?=?randperm(N);
x(q(1:K))?=randn(K1);????%原始信號
%%?2.?測量矩陣?及觀測值獲得
Phi=randn(MN);?%測量矩陣?%??感知矩陣(高斯分布白噪聲)M*N
matrixNorm?=?Phi.‘*Phi;
matrixNorm?=?sqrt(diag(matrixNorm)).‘;
Phi?=?Phi./repmat(matrixNorm?[M1]);??%注意,觀測矩陣是要歸一化的,因為原子范數要是1!
y=Phi*x?;???????%獲得線性測量
%%?3.用MP算法重構信號
iterations=K;??????????????????????????????????????%??算法
- 上一篇:multisim design
- 下一篇:MGCS樣例程序
評論
共有 條評論