該樓層疑似違規已被系統折疊?隱藏此樓查看此樓

各位大佬們，在壓縮感知中，當測量矩陣采用分塊多項式矩陣時，怎樣寫代碼，下面是采用高斯矩陣時的代碼

clc;clear

%% 1. 時域測試信號生成

K=7; % 稀疏度(做FFT可以看出來)

N=256; % 信號長度

M=40; % 測量數(M>=K*log(N/K),至少40,但有出錯的概率)

f1=50; % 信號頻率1

fs=800; % 采樣頻率

ts=1/fs; % 采樣間隔

Ts=1:N; % 采樣序列

x=0.3*cos(2*pi*f1*Ts*ts); % 完整信號

%% 2. 時域信號壓縮傳感

Phi=randn(M,N); % 測量矩陣(高斯分布白噪聲)

%% 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)

m=1; % 算法迭代次數(m>=K)

Psi=fft(eye(N,N))/sqrt(N); % 傅里葉正變換矩陣

T=Phi*Psi'; % 恢復矩陣(測量矩陣*正交反變換矩陣)

hat_y=zeros(1,N); % 待重構的譜域(變換域)向量

Aug_t=[]; % 增量矩陣(初始值為空矩陣)

r_n=s; % 殘差值

for times=1:m; % 迭代次數(有噪聲的情況下,該迭代次數為K)

for col=1:N; % 恢復矩陣的所有列向量

product(col)=abs(T(:,col)'*r_n); % 恢復矩陣的列向量和殘差的投影系數(內積值)

end

[val,pos]=max(product); % 最大投影系數對應的位置

Aug_t=[Aug_t,T(:,pos)]; % 矩陣擴充

T(:,pos)=zeros(M,1); % 選中的列置零(實質上應該去掉，為了簡單我把它置零)

aug_y=(Aug_t'*Aug_t)^(-1)*Aug_t'*s; % 最小二乘,使殘差最小

r_n=s-Aug_t*aug_y; % 殘差

pos_array(times)=pos; % 紀錄最大投影系數的位置

end

hat_y(pos_array)=aug_y; % 重構的譜域向量

hat_x=real(Psi'*hat_y.'); % 做逆傅里葉變換重構得到時域信號

%% 4. 恢復信號和原始信號對比

figure(1);

hold on;

plot(hat_x,'k.-') % 重建信號

plot(x,'r') % 原始信號

legend('Recovery','Original')

norm(hat_x.'-x)/norm(x) % 重構誤差

總結

以上是生活随笔為你收集整理的matlab 测量矩阵,急求一个测量矩阵采用分块多项式矩阵时怎样引用的代码!!!的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。