针对信道路径数未知的大规模多输入多输出（MIMO，multi-input multi-output）系统，提出一种稀疏度自适应的压缩感知信道估计方法——块稀疏自适应匹配追踪（BSAMP，block sparsity adaptive matching pursuit）算法。利用大规模MIMO系统子信道的联合稀疏性，通过设置阈值及寻找最大后向差分位置对支撑集原子进行快速初步选择，同时考虑了观测矩阵非正交性造成的能量弥散，提高算法的估计性能；通过正则化对原子进行二次筛选，以提高算法的稳定性。仿真表明，该算法能快速、准确地恢复稀疏度未知的大规模MIMO信道信息。

香港大学沙博士所写，但愿对刚刚入门的同志们有所帮助吧！

压缩感知，稀疏恢复中能够用到的L1同伦算法，性能好，速度快，有一定参考价值。

采用GPU加速的压缩感知图像恢复算法.pdf

一篇不错的压缩感知应用文献，稀疏压缩感知聚束成像的文章

TMSBL_code（压缩感知代码、含完整的MATLAB代码） 。

基于压缩感知的麦克风阵列声源定位算法

基于块稀疏贝叶斯学习的多任务压缩感知重构算法

基于压缩感知的雷达信号DOA估计，采用的是线性调频信号

压缩感知图像matlab代码可重现的深度压缩感测 基于深度学习的压缩感知（DCS）的源代码集合。 提供源代码，pdf，doi的链接。 根据采样矩阵类型（基于帧/基于块），采样比例（单比例，多比例）和深度学习平台对相关作品进行分类。 其他部分中提供了除采样，图像/视频重建以外的代码。 P / s：如果您知道任何源代码，请告诉我。 基于块的DCS 单刻度感应 AMPD-Net：[PyTorch] Z. Zhang，Y。Liu，J。Liu，F。Wen，C。Zhu，“ AMP-Net：基于降噪的深度展开以进行压缩图像感测”，IEEE图像处理事务，2021年。 DRCS-SR H. Kasem，M。Selim，E。Mohamed和A. Hussein，“ DRCS-SR-深度鲁棒压缩感知为单图像超分辨率”，IEEE Access，2020年。 OPINE-Net [Pytorch] 张健，陈钊，高文“优化启发的紧凑型深度压缩感测”，IEEE信号处理选定主题期刊（JSTSP），第1卷。 14号2020年5月，第4页，第765-774页。[pdf] DUF-WL1： J. Zhang，Y. Li，Z