Dror Baron等在其名为“Distributed Compressed Sensing”指出具有相关信息的多个观测源采用联合重构算法可以获取更好的重构效果，当观测源足够多时，甚至只需要K+1观测次数就可以完全重构出原信号。文献中提出了两种算法OSGA（One-Step Greedy Algorithm）和SOMP（Simultaneous Orthogonal Matching Pursuit）。

目前的通信频点越来越高， 而相对应的模数转换器以及数字信号处理等硬 件处理技术远远没有达到高频通信接收技术的要求。 这一定程度上限制了高频 通信的发展， 因为按照传统 Nyquist 采样的话， 通信接收机的成本将是巨大的。 压缩感知(Compressed Sensing,CS)技术有效地打破了传统 Nyquist 采样的限制， 而调制宽带转换器(Modulated Wideband Converter,MWC)的出现则真正在模拟 域欠采样实现了重大突破。

matlab精度检验代码1.网络 审查： 很棒的项目 cosmiq Radiant MLHub开放库，用于地球观测机器学习。 [] 2.图像分类 数据集 每班图片 场景类 图片总数 空间分辨率（m） 图片大小 年 UC Merced土地使用 100 21岁 2100 0.3 256×256 2010年 WHU-RS19 〜50 19 1005 最高0.5 600×600 2010年 RSSCN7 400 7 2800 -- 400×400 2015年 RSC11 〜100 11 1232 0.2 512×512 2016年 西里湖 200 12 2400 2个 200×200 2016年 援助 200〜400 30 10000 0.5〜0.8 600×600 2017年 欧洲卫星 2000 2500 3000 10 27000 -- 64×64 2017年 NWPU-RESISC45 700 45 31500 〜30至0.2 256×256 2017年 模式网 800 38 30400 0.062〜4.693 256×256 2017年 RSI-CB RSI-CB128（〜800） R

A Mathematical Introduction to Compressive Sensing Springer 2013 Authors:Simon Foucart, Holger Rauhut

认知无线电频谱感知方法和程序 希望对大家有用谢谢

matlab代码求含参量矩阵特征值统计压缩感知 基于贝叶斯统计实现压缩感知。 给定的 地图估计 我们找到给定y 、 Φ和Σ的x的最大后验 (MAP) 估计。 首先，我们使用贝叶斯定理 取导数找到 MAP 估计的封闭形式 使用 Woodbury 矩阵 Identity 优化逆计算 MAP估计的最终封闭形式 生成协方差矩阵 (Σ) 假设：协方差矩阵的第i个特征值的形式为：对于所有i s， i - α 。 选择一个大小为n x n的随机正交矩阵U。 定义大小为n x n的对角矩阵D ，其中对角线项为i - α 。 协方差矩阵， Σ定义为UDU' 。 实验 我们试验了两个α值：0、3。 对于每个α ，我们生成nexp n维向量 ( x s )。 我们选择一组m 。 对于每个m ，我们生成一个大小为m x n的随机传感矩阵Φ ，其条目来自 iid Gaussian ，均值为 0，方差为 1/ m 。 我们使用它来生成测量信号y ( Φx )。 我们添加 σ 为测量信号平均值的 0.01 倍的高斯噪声。 我们使用上面推导出的 MAP 估计公式重建x并计算相对均方根误差（Relative RMSE）

Remote_Sensing_Satellite_Map_Segmentation 使用Segnet，SLIC和CRF对轻云和厚云的像素进行分类。

压缩感知(Compressed Sensing, CS)matlab代码。实现多个正弦信号的随机欠采样，通过压缩感知恢复。两个m文件分别是两个算法，正交匹配追踪(OMP)算法和SPGL1算法

压缩感知(Compressed Sensing, CS)matlab代码。实现多个正弦信号的随机欠采样，通过压缩感知恢复。两个m文件分别是两个算法，正交匹配追踪(OMP)算法和SPGL1算法(由E. van den Berg and M. P. Friedlander 提供)。

关于压缩感知技术的几篇经典文章。其中包括：Optimized compressed sensing for curvelet-based seismic data reconstruction.pdf Rebecca Willett, Michael Gehm, and David Brady, Multiscale reconstruction for computational spectral imaging.pdf Richard Baraniuk and Philippe Steeghs, Compressive radar imaging..pdf Single-pixel remote sensing.pdf 以及国内的两个综述文章