【 压缩感知 】OMP恢复算法
一个经典的Matlab程序:
clc
clear
close all% 1-D信号压缩传感的实现(正交匹配追踪法Orthogonal Matching Pursuit)% 测量数M>=K*log(N/K),K是稀疏度,N信号长度,可以近乎完全重构% input signal x% measurement vector s% 待重构的谱域(变换域)向量hat_y% 重构得到时域信号hat_x%% 1. 时域测试信号生成K=7; % 稀疏度(做FFT可以看出来)N=256; % 信号长度M=64; % 测量数(M>=K*log(N/K),至少40,但有出错的概率)f1=50; % 信号频率1f2=100; % 信号频率2f3=200; % 信号频率3f4=400; % 信号频率4fs=800; % 采样频率ts=1/fs; % 采样间隔Ts=1:N; % 采样序列x=0.3*cos(2*pi*f1*Ts*ts)+0.6*cos(2*pi*f2*Ts*ts)+0.1*cos(2*pi*f3*Ts*ts)+0.9*cos(2*pi*f4*Ts*ts); % 完整信号,由4个信号叠加而来%% 2. 时域信号压缩传感Phi=randn(M,N); % 测量矩阵(高斯分布白噪声)64*256的扁矩阵s=Phi*x.'; % 获得线性测量%% 3. 正交匹配追踪法重构信号(本质上是L_1范数最优化问题)%匹配追踪:找到一个其标记看上去与收集到的数据相关的小波;在数据中去除这个标记的所有印迹;不断重复直到我们能用小波标记“解释”收集到的所有数据。m=2*K; % 算法迭代次数(m>=K),设x是K-sparse的Psi=fft(eye(N,N))/sqrt(N); % 傅里叶正变换矩阵T=Phi*Psi'; % 恢复矩阵(测量矩阵*正交反变换矩阵)hat_y=zeros(1,N); % 待重构的谱域(变换域)向量,初始化Aug_t=[]; % 增量矩阵(初始值为空矩阵)r_n=s; % 残差值for times=1:m; % 迭代次数(有噪声的情况下,该迭代次数为K)for col=1:N; % 恢复矩阵的所有列向量product(col)=abs(T(:,col)'*r_n); % 恢复矩阵的列向量和残差的投影系数(内积值)end[val,pos]=max(product); % 最大投影系数对应的位置,即找到一个其标记看上去与收集到的数据相关的小波Aug_t=[Aug_t,T(:,pos)]; % 矩阵扩充T(:,pos)=zeros(M,1); % 选中的列置零(实质上应该去掉,为了简单我把它置零),在数据中去除这个标记的所有印迹aug_y=(Aug_t'*Aug_t)^(-1)*Aug_t'*s; % 最小二乘,使残差最小r_n=s-Aug_t*aug_y; % 残差pos_array(times)=pos; % 纪录最大投影系数的位置endhat_y(pos_array)=aug_y; % 重构的谱域向量hat_x=real(Psi'*hat_y.'); % 做逆傅里叶变换重构得到时域信号%% 4. 恢复信号和原始信号对比figure(1);hold on;plot(hat_x,'k.-') % 重建信号plot(x,'r') % 原始信号legend('Recovery','Original')norm(hat_x.'-x)/norm(x)
恢复结果:
【 压缩感知 】OMP恢复算法相关推荐
- m基于OFDM的OMP压缩感知信道估计算法误码率仿真,对比传统的LS,MMSE以及LMMSE信道估计性能
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 正交频分复用技术(orthogonalfrequencydivisionmultiplexing,o ...
- 针对视频压缩的压缩感知超分算法:COMISR
作者单位:谷歌 论文链接:https://arxiv.org/pdf/2105.01237.pdf 编者言: 针对H.264等视频压缩标准压缩后的视频进行超分,定量和定性效果相比过去的VSR算法有较大 ...
- matlab中有omp文件,用MATLAB实现OMP恢复算法
clc clear close all % 1-D信号压缩传感的实现(正交匹配追踪法Orthogonal Matching Pursuit) % 测量数M>=K*log(N/K),K是稀疏度 ...
- 通过matlab对比CS_CoSaMP,CS_GBP,CS_IHT,CS_IRLS,CS_OMP,CS_SP六种压缩感知图像重构算法的PSNR性能
UP目录 一.理论基础 2.1 cs cosamp 2.2 cs iht 2.3 cs irls 2.4 cs omp 2.5 cs sp 2.6 cs gbp 二.核心程序
- 压缩感知重构算法之正交匹配追踪算法(OMP)
算法的重构是压缩感知中重要的一步,是压缩感知的关键之处.因为重构算法关系着信号能否精确重建,国内外的研究学者致力于压缩感知的信号重建,并且取得了很大的进展,提出了很多的重构算法,每种算法都各有自己的优 ...
- 压缩感知重构算法综述-学习笔记
论文信息:李珅,马彩文,李艳,陈萍.压缩感知重构算法综述[J].红外与激光工程,2013,42(S1):225-232. 目录 文章工作: 问题一:压缩感知涉及三个比较重要的层面 问题二:压缩感知理论 ...
- 正交匹配追踪(OMP)在稀疏分解与压缩感知重构中的异同
题目:正交匹配追踪(OMP)在稀疏分解与压缩感知重构中的异同 如果研究了稀疏分解再来研究压缩感知可能会有一个疑惑:在稀疏分解中有一个OMP算法,在压缩感知的重构算法中也有一个OMP算法,它们有什么区别 ...
- nsl0重构算法 matlab,基于SL0压缩感知信号重建的改进算法
第 28 卷 第 6 期 2012 年 6 月 信 号 处 理 SIGNAL PROCESSING Vol. 28 No. 6 Jun. 2012 收稿日期: 2012-03-30; 修回日期: 20 ...
- 压缩感知学习总结及Matlab代码实现
目录 前言 一.压缩感知基本原理 二.代码仿真 1. CVX工具箱求解L1范数 2. CVX学习视频 3. 仿真实现 三. 重点参考 前言 压缩感知(Compressive Sensing,CS)与传 ...
最新文章
- Apache ServiceComb — Service Center
- c++后台开发项目_[c/c++后台开发面经系列]4 Zoom面经(含答案)
- Xshell连接不上Linux的解决方法
- 【转载】 了解实时媒体的播放(RTP/RTCP 和 RTSP)
- 从入门到放弃,.net构建博客系统(二):依赖注入
- SAP UIVeri5 跳过检查 Google Chrome driver 版本检查的方法
- 计算机系统组织结构,第4章 操作系统计算机组织结构.ppt
- Redis笔记之基本数据结构 链表
- 充电枪cp信号控制板_筋膜枪究竟是不是智商税?体验评测后,我的回答更肯定了...
- python 调用vba 参数 保存表格_Jupyter Notebooks嵌入Excel并使用Python替代VBA宏
- bash:附近有语法错误_Bash备忘单:按键组合和特殊语法
- HTML5(目前)无法帮你实现的五件事-多媒体
- Oracle 抄袭亚马逊的 API 是侵权吗?
- WordPress源代码研究-插件机制
- jQuery判断Dom对象是否存在
- java 时间类 joda_Java Joda-Time 处理时间工具类(JDK1.7以上)
- 直播弹幕互动游戏如何开播?
- 扫描枪中文输入法导致乱码问题
- GIGABYTE 技嘉主板进不了 BIOS 的解决方案
- python简易BMI测体重
热门文章
- php 验证微信token_微信token认证程序
- lisp天正图元位置修改_块内图元的坐标定位[已解决]感谢版主
- bufferedreader读取中文乱码_Python读取excel的两种方法
- 公司--页面调用日期控件 WdatePicker日历控件使用方法
- php多流程,多种php开发环境搭建流程
- 大学计算机课英语心得体会,关于计算机网络辅助大学英语教学的思考学习心得...
- 神经网络学习中的SoftMax与交叉熵
- 智能车百度赛道培训第一弹-基础篇
- 使用WinSCP在WIndows与树莓派之间传递文件
- 卓老师 ,k车模能自制吗?