通过压缩感测和深度学习实现大型智能表面 这是与以下文章相关的MATLAB代码包：Abdelrahman Taha，Muhammad Alrabeiah和Ahmed Alkhateeb，“”，IEEE Access，2021年3月，doi：10.1109 / ACCESS.2021.3064073。 文章摘要 采用大型智能表面（LIS）是提高未来无线系统的覆盖范围和速率的有前途的解决方案。 这些表面包含大量近乎无源的元素，这些元素与入射信号相互作用，例如通过反射入射信号，从而以一种聪明的方式提高了无线系统的性能。 假定对通道有充分的了解，以前的工作主要集中在LIS反射矩阵的设计上。 然而，在LIS上估计这些信道是一个关键的挑战性问题，并且由于LIS元素数量巨大，因此与大量的培训开销相关联。 本文通过利用压缩感知和深度学习的工具，为这些问题提供了有效的解决方案。 首先，提出了一种基于稀疏信道传

压缩传感重构算法的matlab实现，包含pdf文档的算法描述，对于学习压缩传感理论有很大帮助。

压缩传感（正交匹配追踪算法）程序，由香港大学沙威博士编写

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。

压缩感知代码，可以直接运行，包括两种方法，l1最小范数和OMP算法

基于压缩感知的信道估计技术论文，简单介绍压缩感知的相关技术，对于初学者很有帮助！介绍了利用压缩感知技术实现信道估计的应用

面向强信号噪声场景的基于自适应选择性压缩传感的信号采集

面对分布式压缩感测MIMO雷达（DCS-MIMO雷达），低SNR条件一直是一个很大的挑战，测量中的噪声会降低雷达系统的性能。在本文中，我们首先设计了包括联合稀疏基础和联合测量矩阵的DCS-MIMO雷达方案。

这个讲的比较简单，对入门有帮助！我经常翻阅~~

陆吾生教授2010年压缩感知课程配套的matlab代码