此程序包为稀疏相关算法的工具包，包含相关的算法文献

这是论文中提出的算法的实现VG Reju、SN Koh 和 IY Soon，“不确定的卷积盲源通过时频掩蔽进行分离，”IEEE Transactions on Audio, Speech 和语言处理，卷。 18，没有。 1，2010 年 1 月，第 101-116 页。 这里使用测量的房间脉冲响应混合信号以获得混合信号。 该算法可以很容易地扩展到更多数量的来源，包括确定的和未确定的情况。

3.欠定方程组的解 当方程数少于未知量个数时,即不定 情况,有无穷多个解存在。 matlab可求出两个解： 用除法求的解x是具有最多零元素的解 是具有最小长度或范数的解，这个解是基于伪逆pinv求得的。

针对传统盲信号分离方法通过估计分离矩阵实现盲信号分离难以同时适应适定、欠定和过定模型的问题,给出了一种新的方法,直接估计混叠矩阵实现盲分离.首先给出估计混叠矩阵的梯度学习公式,并分析了该梯度算法对适定模型的有效性,然后将它推广到过定混叠和欠定混叠模型,从而得到了一种适用于各种盲分离模型的混叠矩阵估计算法.仿真例子检验了所提出的算法在适定情形下与原有算法有类似的特性,而又可以同时适应过定和欠定模型.

欠定、确定和超定系统的解决方案示例。

sparse_sensing12 - 是函数代码sparse_sensing_example - 展示如何使用它。 x = sparse_sensing12(A,y,epsE) 由 Yoash Levron 教授撰写， 电气工程，以色列理工学院，2014 年 9 月。 此函数使用行数少于列数的矩阵 A 求解欠定方程组 Ax=y。 该函数定位“最稀疏”的解向量 x，即具有最少数量的非零元素的解向量。 如果存在稀疏解决方案，则该函数可以保证找到它。 功能输入： A - 传感矩阵（尺寸 M x N，其中 M<N） y - 已知输出向量（已知测量值的向量，（尺寸 M x 1） epsE - 解决方案的可容忍误差。 如果解向量 x 产生第二个范数大于 epsE 的错误，则该函数会抛出错误消息。 函数输出： x - 估计的稀疏向量（维度 N x 1）。 假设 x 最多有 2 个非零元素。 此

该库实现了一种随机算法，用于求解最小二乘方程 x = arg min norm(A * x - b, 2) 或欠定系统 min(norm(x, 2)) st Ax=b。 对于 m×n 矩阵运行此 o(mn^2) 的可能性很高。 有关求解器的详细信息，请参见位于以下位置的论文： Blendenpik：增压 LAPACK 的最小二乘解算器。 作者：Haim Avron、Petar Maymounkov 和 Sivan Toledo。 需要构建 FFTW 和/或 SPIRAL WHT。 提取文件并写入 install_blendenpik。

3.欠定方程组的解 当方程数少于未知量个数时,即不定 情况,有无穷多个解存在。 matlab可求出两个解： 用除法求的解x是具有最多零元素的解 是具有最小长度或范数的解，这个解是基于伪逆pinv求得的。

说明： 完成欠定盲语音分离，源信号为3路输入，有2路麦克风，用c实现。 (Underdetermined blind speech separation is completed, the source signal is 3 inputs, 2 mic, with c achieve.)

密度空间与密度峰值聚类的欠定混合矩阵估计.pdf