压缩感知l1重建算法matlab代码稀疏引力波
稀疏方法（和压缩感测）应用于重力波信号处理
如果不是稀疏方法，互联网将是一个漂亮但相对空白的地方。
大多数有损压缩方法（例如，在图像的情况下）基于以下观察结果：常用基础系统（例如，原始像素）中的大多数系数都可以忽略不计或可忽略不计。
从电信到地震现象，自然界的几乎每个领域都可以看到这种稀疏概念。
该项目的重点是时空本身的振动。
根据信号源，引力波信号预期在四个主要的感应基极稀疏：瞬态（“突发”）源在时域中将以孤立脉冲的形式出现，准单色（“连续”）信号将以较小的形式出现傅立叶域中的频率数量。
不稳定紧密紧凑的二元系统的早期（平稳阶段）吸气部分有望在时频（“线性调频”）平面（）上产生稀疏信号。
最终，在傅立叶域中的检测器间互相关空间中，所谓的“随机背景”稀疏。
“最近”已经开发了一个功能强大的数学框架，例如，只要已知信号在某些表示形式上是稀疏的（即使您不知道），就可以准确地重建采样速率远低于您天真的期望的采样率的信号。无法明确知道哪种表示形式）。
在这里，我给出了如何将这些稀疏方法应用于重力波数据分析的草图。
在某些情况下，它们可能会提高计算
2021-07-19 17:24:29
958KB
1