由于频谱感知中信道稀疏度动态变化，导致分布式频谱感知网络中节点间信息传输频繁，消耗感知网络通信带宽。为了缓解网络通信带宽压力，提出分布式的1 bit压缩频谱感知算法。各节点对感知数据进行压缩采样并1 bit量化，然后融合节点采用JSM-2模型对数据进行融合，最后通过BIHT算法重构信号频谱，实现频谱感知。仿真结果表明，在低信噪比和较少的采样数目下，分布式的1 bit压缩频谱感知算法能具有较好的频谱检测性能，是一种可实用的频谱感知方法。

基于压缩感知算法的光栅光谱重构及其应用特性研究

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。

移动计算环境的复杂性、网络条件多样性,便携设备有限的资源、弱连接性、安全漏洞等因素,使得系统中故障发生的可能性增加,有效地感知、隔离、恢复故障可提高系统容错性能。该文针对具有中心结点类的移动计算环境,运用互测比较的方法,通过小区中的移动结点和移动支持站进行交互测试来获取故障征兆信息;基于概率诊断方法对检测结果进行评估,运用不同的处理策略来诊断故障结点集。对算法性能进行了理论分析和仿真实验,结果表明:算法能够满足移动计算环境下结点故障感知要求,具有较高的可诊断性和较低的时间、通信开销。

MATLAB源码集锦-基于压缩感知算法的数据压缩与复原代码

压缩感知源代码，内含重采样，压缩感知，BSBL 重构。特别好

该程序包中包含了传感压缩算法中的五个经典算法源码：COSAMP,GBP,IHT,IRLS,OMP,SP

利用Matlab内置的高阶谱分析(HOSA)工具箱，首先绘制得到了双谱估计三维图和双谱估计切片图；然后进行了基于双谱对角切片盲感知算法的Matlab仿真实现。

这里面有好多个文件，所以下载分就高了点，但是平均下来一个不到一分，如果想要参考或者仿照，都是可以的。

虽然均值哈希更简单且更快速，但是在比较上更死板、僵硬。它可能产生错误的漏洞，如果有一个伽马校正或颜色直方图被用于到图像。这是因为颜色沿着一个非线性标尺 - 改变其中“平均值”的位置，并因此改变哪些高于/低于平均值的比特数。一个更健壮的算法叫pHash，(我使用的是自己改进后的算法，但概念是一样的) pHash的做法是将均值的方法发挥到极致。使用离散余弦变换(DCT)降低频率。