针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。该算法利用三级离散小波变换将图像分解为高频部分和低频部分。通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率。采用平滑投影Landweber算法重构图像,消除分块引起的块效应。对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37 dB,比现有非均匀分块算法提高了2.51 dB。不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05 dB。对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。

单LFM信号压缩感知ISAR仿真 傅里叶变换基 OMP追踪准则

本文关于压缩感知的DOA估计研究，为一篇硕士毕业论文，可供初学者参考。

包含贝叶斯和正交矩阵压缩感知算法 网络环境： （1）信标节点定位置坐标已知； （2）所有节点的通信半径可调节； （3）节点能量充分；

MATLAB源码集锦-基于压缩感知算法的数据压缩与复原代码

实现稳健的目标跟踪，建立有效的目标在线模型至关重要。针对现有在线学习跟踪算法缺乏对目标观测信息是否有效的判断，提出了一种简单且高效的解决方法。利用正负样本构建目标在线模型，基于压缩感知理论从多尺度图像特征空间提取特征信息完成目标表征之后，由随机蕨分类器进行分类并通过一种特征置信度度量策略来确定在线更新速率，最后由目标在线模型判断输出置信度最高的样本，此外还建立了一种遮挡反馈机制来决定是否更新目标在线模型。实验结果表明，该方法在目标被长时间遮挡、光照变化等情况下均能完成稳健跟踪，在320 pixel × 240 pixel 大小的视频序列中处理速度保持在30~50 frame/s左右，可以满足实时应用的需求。

在动态磁共振成像中，采样时间过长既不利于对动态信息的获取也容易产生运动伪影。而传统的基于压缩感知的动态磁共振成像方法，具有重构算法慢，成像时间长等特点。基于此，本文将k-t FOCUSS和自适应非局部平均算法相结合应用于动态磁共振成像中，由k-t FOCUSS得到中等质量图像序列，再经过基于块的自适应非局部平均算法处理，最后得到的动态磁共振图像重建效果相较于单一的k-t FOCUSS重建效果更好。为了增加实验的对比性，本文还与k-t FOCUSS与ME/MC的结合算法做对比，经比较发现，本文提出的算法在保证重建图像质量的同时，计算时间更短。

空间碎片具有密集分布的特点，同一个距离单元内的多个目标难以分辨。本文利用不同目标自旋周期不同，产生的多普勒频率差异，实现各目标回波的抽取及成像，提出一种基于空间碎片群目标的高分辨窄带成像方法。该方法基于压缩感知理论，以及空间碎片上散射点稀疏性的特点，求解碎片散射点的后向散射系数，因此具有较高的分辨率。仿真结果表明，该方法的有效性，有利于进一步对空间碎片的检测和分类。

基于SVD分解的二维多任务压缩感知off-grid算法，廖艳苹，付畅，在阵列信号处理领域中，波达方向（DOA）估计作为关键技术已被广泛研究多年。考虑到二维DOA估计的现实意义，如为基站提供准确无盲区

将传统压缩感知扩展至多维（高维）情况，对于彩色图像、视频等高维信号进行更加高效的压缩和表示。