国内外关于压缩感知DOA估计的文献集合；包括压缩采样阵列，压缩采样波达方向估计，贝叶斯压缩感知DOA估计，MUSIC压缩感知DOA估计等等

信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.

压缩感知中测量矩阵的有限等距性质（RIP)计算的MATLAB代码

很好的毕业设计，内附有程序说明，压缩感知的初学者最好都参考下。

附件中是用matlab编写的压缩感知FOCUSS算法，可以运行。

压缩感知的Python版本

压缩感知OMP算法，一个很经典的算法，很容易在上面修改实现类似算法

该算法是基于压缩感知（压缩传感）图像重建算法，将图像分块，应用正则化方法是现代，重建性能好，速度较快。

是压缩感知入门的一个例子，输入是二维图像的，用DCT作为稀疏域，输入为一幅图像，内有注释，重建算法用的是OMP

学习分布式压缩感知必读的文献，描述了分布式压缩感知的稀疏模型和重构算法