压缩感知理论与应用全书，共12章，各章标题如下： 1. Introduction to compressed sensing Mark A. Davenport, Marco F. Duarte, Yonina C. Eldar and Gitta Kutyniok; 2. Second generation sparse modeling: structured and collaborative signal analysis Alexey Castrodad, Ignacio Ramirez, Guillermo Sapiro, Pablo Sprechmann and Guoshen Yu; 3. Xampling: compressed sensing of analog signals Moshe Mishali and Yonina C. Eldar; 4. Sampling at the rate of innovation: theory and applications Jose Antonia Uriguen, Yonina C. Eldar, Pier Luigi Dragotta and Zvika Ben-Haim; 5. Introduction to the non-asymptotic analysis of random matrices Roman Vershynin; 6. Adaptive sensing for sparse recovery Jarvis Haupt and Robert Nowak; 7. Fundamental thresholds in compressed sensing: a high-dimensional geometry approach Weiyu Xu and Babak Hassibi; 8. Greedy algorithms for compressed sensing Thomas Blumensath, Michael E. Davies and Gabriel Rilling; 9. Graphical models concepts in compressed sensing Andrea Montanari; 10. Finding needles in compressed haystacks Robert Calderbank, Sina Jafarpour and Jeremy Kent; 11. Data separation by sparse representations Gitta Kutyniok; 12. Face recognition by sparse representation Arvind Ganesh, Andrew Wagner, Zihan Zhou, Allen Y. Yang, Yi Ma and John Wright.

压缩感知的稀疏重构中广泛应用的正交匹配追踪（OMP）算法matlab程序，该算法由香港大学电子工程系 沙威老师开发，代码注释详细，便于读者理解。已测试，可以正常运行。读者通过代码可以加深对该算法以及压缩感知、稀疏重构的认识。

随着信息技术的发展，人们对信息的巨量需求以及硬件的发展缓慢造成了信号采样，传输和存储的巨大压力。如何解决在现有的硬件基础上传输大量的信息成为热点研究的内容。近年来压缩感知的出现为缓解这些压力提供了解决的办法。本文综述了压缩感知的理论框架及关键的技术问题，并着重介绍了压缩感知稀疏重构中的主流贪婪算法，通过算法实验分析了各种算法的重构性能。

用压缩感知技术来做信道估计，并与传统信道估计方法，LS,MMSE做比较。

同步压缩小波变换（synsq_toolbox）matlab代码。由于源代码为.c文件，本人已经编译为.mat文件，可以直接使用。

关于DMD驱动板的设计，基于FPGA及DLP芯片

压缩感知代码，matlab，l1qc_logbarrier

莱斯大学关于压缩感知的一些代码，供大家参考

压缩感知去算法代码并由参数评估算法，实物图和效果图

基于压缩感知BP，BP,OMP,StOMP二维图像比较，里面有详细的代码以及三者算法之间的图像对比。