%%%%距離向進行壓縮感知，然后成像，結果可行；與test.m比較可見，壓縮后的數據不能直接fft成像

clear?all;
echo?off;
j=（-1）^0.5;
load?rawdata.mat;
[MN]=size（rawdata）;
K=40;??????%??稀疏度（做FFT可以看出來）
MM=128;?????%??測量數（M>=K*log（N/K）至少79但有出錯的概率）
for?n=1:N????????%Psi為傅氏變換矩陣
Psi（1n）=exp（-j*2*pi*n/N）;
end
for?n=2:N
???Psi（n:）=Psi（1:）.^n;?
end
mm=2*K;????????????????????????????????????????????%??算法迭代次數（m>=K）
Rawdata=zeros（MN）;
t=1:N;
Row=rawdata（1:）;
%?I=fftshift（fft（RowN））;
%?figure;
%?plot（tI）;


%%??2.??時域信號壓縮傳感
Phi=randn（MMN）;???????????????????????????????????%??測量矩陣（高斯分布白噪聲）
s=Phi*Row.‘;????????????????????????????????????????%??獲得線性測量?

%%??3.??正交匹配追蹤法重構信號（本質上是L_1范數最優化問題）

%?Psi=fft（eye（NN））/sqrt（N）;????????????????????????%??傅里葉正變換矩陣


T=Phi*Psi‘;???????????????????????????????????????%