目的压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制,能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题,提出一种基于优化加权全变差(TV)的复合正则化压缩感知图像重建模型。方法提出的重建模型是以TV正则化模型为基础。首先,为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点,引入图像的梯度信息估计权重,构建加权TV的重建模型。其次,利用全变差去噪(ROF)模型对权重进行优化估计,从而减少计算权重时受噪声的影响。再次,将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型,得到优化加权TV的复合正则化重建模型。最后,结合投影法和算子分裂法对优化模型求解。结果针对自然图像的不同特性,使用复合正则化先验进行建模,实验结果表明上述重建问题通过本文方法得到了很好的解决,加权TV正则化先验使得图像的平坦区域和强边重建较好,而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果。结论与其他基于TV正则化的重建模型相比,本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高。

提出一种基于OFDM水声信道模型的信道自适应稀疏度估计方法。该方法利用小波分解估计得到信道初始稀疏度，结合已有的压缩感知自适应算法的思想确定算法迭代停止条件完成信道估计，解决实际运用中水声通信系统信道估计时稀疏度未知的问题。仿真实验结果表明，所提出的方法可精确重构估计信道信息，大大减少自适应算法的运行时间。

多任务压缩感知程序，实现多个测试数据的联合稀疏稀疏求解

基于贝叶斯压缩感知的平面阵列失效单元诊断，首先进行难过了理论分析，其次进行了电磁仿真，最后通过实际测试进行了验证。

压缩感知好的综述，清华大学，理论和算法。中文

分块压缩感知源代码（Matlab版）

Matlab编写的压缩感知的库函数，包括稀疏分解和重构

这是香港大学沙威写的关于压缩感知的很基础的一些东西，目前我也正在使用，受益很多，希望你们也能够从中获益

声发射信号的压缩感知仿真与实现，张闯，蒋盼，随着声发射检测技术在工程中应用越来越广泛，但面临的问题也逐渐增多，尤其是在对大型构件进行在线监测时会产生大量的数据，这对

基于凸优化的压缩感知信号恢复算法研究,详细介绍并对比了几种凸松弛重构法的原理及实现，并且有仿真结果。