网络技术-综合布线-稀疏互联联想记忆及其复杂网.pdf

针对阵列天线在相控阵雷达、卫星通信以及MIMO雷达系统等实际应用中重量、尺寸和成本受限的问题，提出了一种基于迭代加权[L1]范数的稀疏阵列综合方法。通过对稀疏阵列综合理论的分析，提出使用加权[L1]范数代替[L0]范数，避免了NP问题的求解；通过复数求导结合启发式近似方法对阵列激励进行优化选择，即可得到一个其辐射波形逼近给定的期望值的稀疏阵列。仿真结果表明，与现有的稀疏阵列综合方法相比，该方法可以在满足辐射特性的前提下得到阵元数目更少同时孔径更短的阵列。

CNO-SBL 论文题为“基于协作神经动力学优化的稀疏贝叶斯学习”的源代码

该代码使用联合稀疏表示模型来提高超声成像的轴向分辨率。 所提出的模型将沿轴向的稀疏反卷积与沿横向的稀疏偏好约束相结合。 有关详细信息，请参阅 J. Duan 等人，“使用联合稀疏表示模型提高超声成像的轴向分辨率”。

基于加权零吸引因子最小均方算法(RZA-LMS),提出了一种应用于系统辨识的新型自适应滤波算法(ARZA-LMS)。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e 与误差信号e 之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验

冲浪算法matlab代码冲浪 提升稀疏和低秩张量回归 arXiv 下载： 我们已经包含了代码的详细注释。 您可以先通过代码生成模拟数据，然后运行我们的 SURF 算法进行训练和测试。 该代码是使用 Tensorlab 工具箱为 MATLAB 编写的。 我们将很快发布一个 Python 实现。

主要介绍了压缩感知理论（cs)的框架及信号稀疏表示，cs编码解码模型，并举例说明基于压缩感知理论的编解码理论在一维信号和二维图像处理上的应用。

图像去噪是图像处理中的基本问题, 目标是从含噪 的观测图像估计出理想图像, 通常这是一个不适定的反 问题, 大量文献对该问题进行了深入的研究, 不过主要 针对的是加性高斯白噪声, 然而在光量子计数成像系统 中, 如 CCD 固态光电检测器阵列、天文成像、计算 X 射 线成像(CR) 、荧光共焦显微成像等等, 获取的图像往往 受到量子噪声的污染, 量子噪声服从泊松分布的统计法 则, 并非加性噪声, 且噪声强度与方差是信号依赖的, 统 计上, 亮度大的像素受到更多的干扰, 因此去除泊松噪 声是一个困难的任务.

一种用于立体图像匹配的改进稀疏匹配算法.doc

大规模稀疏模型训练引擎.pdf