实现基追踪压缩感知算法，主要对二维图像进行压缩感知重构。自行设置图像的采样数目、添加图像即可运行，无需修改。

文件中包含多种压缩感知图像重构方法，CoSaMp,omp,sp等，能实现图像重构

目标跟踪是计算机视觉的一个具有挑战性的方向,其基本思想是序列图像中根据目标在视频信息的空间和时间上相关性,从而确定感兴趣的目标在每一帧的位置和姿态以及目标的运动轨迹。目标跟踪的困难主要由于目标的形状及尺度的变化、目标不可预知性的运动以及目标所处的背景存在干扰观测的物体等引起。本课题使用一种基于压缩感知理论的高效的跟踪算法,确定跟踪的目标,在目标周围采集正样本,远离目标采集负样本,利用符合 RIP 原则的随机测量矩阵对提取的样本特征进行降维,并采用朴素贝叶斯分类器分类,同时更新分类器。在研究算法的基础上,利

针对传统基于压缩感知的单字典超分辨方法难以充分描述复杂的遥感图像纹理的问题，提出了一种多尺度残余字典超分辨重建方法。首先对插值图像的高频子带执行Contourlet变换获得多个子频带；然后在各子频带上建立对应子残余字典，并进行字典学习和超分辨重建；最后对高频和低频部分进行融合得到完整的超分辨图像。实验结果表明：与其他相关方法相比，本文方法的超分辨效果无论主观视觉还是客观评价指标都有很大提高。其中客观评价指标，本文方法的峰值信噪比(peak signal-to-noise ratio, PSNR)和结构相似度(structural similarity, SSIM)平均值分别提高6 dB和0.05。对于纹理复杂的遥感图像的超分辨重建场合，更好地满足重建效果和时效的要求，具有重要的理论和应用意义。

香港学者沙威关于压缩感知的一些代码，供大家参考

压缩感知的稀疏重构中广泛应用的正交匹配追踪（OMP）算法matlab程序，该算法由香港大学电子工程系 沙威老师开发，代码注释详细，便于读者理解。已测试，可以正常运行。读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。

该代码是压缩感知重构算法子空间追踪（SP），代码注释很详细

为大幅度减少采集路面不平度信号的存储空间，提高采集速度，基于压缩感知理论针对标准路面的不平度信号进行压缩采样和重构。首先验证了B级路面不定度信号在频域下的近似稀疏性，并进行了信号的压缩采样。针对现阶段凸优化方法和常用的三种贪婪算法的不足，提出一种改进的模拟退火算法与子空间追踪算法相结合的稀疏度自适应匹配追踪算法，利用改进的模拟退火算法快速搜索匹配最优的稀疏度，并采用子空间追踪算法快速重构信号。仿真实验对比五种重构方法，结果表明，凸优化方法精度较高，耗时过长；OMP和SP算法耗时极短，但需要预先进行实验来估测信号的稀疏度，实用性低；SAMP算法能实现稀疏度的自适应匹配，但匹配的误差较大，且耗时较长；提出的新方法具有良好的精度和较快的执行速度，R-squares和耗时的均值分别为0.983 7和2.77 s，稀疏度估测效果较好，且采样点数的增加不影响算法重构信号的速度。

MP算法：在冗余字典里选择与观测向量最相关的原子，进行稀释逼近，计算近似值与所选原子的残差，再继续反复相关比较，知道残差很小很小。。

在移动到移动传感网络中，利用无线信道的固有稀疏性，可将 FBMC/OQAM 系统信道估计作为一个压缩感知问题来研究，以提高系统频带利用率。首先，提出了一种新的基于Tanimoto系数的弱选择正则化正交匹配追踪（T-SWROMP）算法，以提高 LS 信道估计的精度。然后，分别用结合辅助导频和编码方法的 T-SWROMP方法来估计FBMC/OQAM系统中的信道频率响应。仿真结果表明，所提方法比传统的SWOMP方法具有更低的复杂度。此外，其在双选择信道下比传统的OMP、SWOMP和ROMP方法具有更好的BER性能。