MATLAB仿真压缩感知恢复算法，采用OMP算法。

参考： GZ Karabulut 和 A. Yongacoglu，“使用正交匹配追踪算法进行稀疏信道估计”，IEEE 第 60 届车辆技术会议，2004 年。VTC2004-Fall。 2004 年，加利福尼亚州洛杉矶，2004 年，第 3880-3884 卷。 6.

结合http://blog.csdn.net/jbb0523/article/details/45130793，由此转载

产生信号并用omp重建 1-D信号压缩传感的实现（正交匹配追踪算法Orthogonal Matching Prusuit） -1.生成稀疏度为K的稀疏信号----- 2.时域信号压缩传感 3.正交匹配追踪法重构信号（本质上是L-1范数最优化问题） 4.恢复信号和原始信号对比

稀疏正交匹配追踪（OMP算法）正交匹配追踪（OMP）算法属于贪婪算法。而贪婪算法是一种不追求最优解，只希望得到较为满意解的方法。贪婪法一般可以快速得到满意的解，因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪算法常以当前情况为基础作最优选择，而不考虑各种可能的整体情况，所以贪婪算法不要回溯。 OMP算法的基本思想：从字典矩阵D（也称为过完备原子库中），选择一个与信号 y 最匹配的原子(也就是某列)，构建一个稀疏逼近，将剩余残差减去所有被选择过的原子组成的矩阵所张成空间上的正交投影得到下一步的信号残差，然后继续选择与信号残差最匹配的原子，反复迭代，信号y可以由这些原子的线性和，再加上最后的残差值来表示。很显然，如果残差值在可以忽略的范围内，则信号y就是这些原子的线性组合。 OMP分解过程，实际上是将所选原子依次进行Schimidt正交化，然后将待分解信号减去在正交化后的原子上各自的分量即可得残差。

这是一个关于OMP算法的matlab程序，只要是连续信号，这个程序就能重构！非常好用！！

DCS_SOMP分布式压缩感知 根据 CS 理论可知，在信号长度一定的情况下， 稀疏度越好，所需的测量值个数越少。对于一个信号群，选择不同的共同分量会有不同的联合稀疏效果。如果能够知道每个节点采集到的信号，那么可以最佳地确定共同分量让联合稀疏表示的稀疏度最小。基于这种思想，结合传感器的具体应用，采用分簇的层次化路由方式，将簇内节 点采集的数据先传输到簇头节点，簇头节点根据各 节点的数据最佳地确定共同分量，然后对共同分量 和特征分量分别进行投影，将投影值传输到汇聚节 点，然后在汇聚节点联合恢复出各个节点的信号向

ndt_omp 该软件包提供了从pcl派生的OpenMP增强的正态分布变换（和GICP）算法。 将NDT算法修改为对SSE友好并且是多线程的。 它的运行速度比pcl中的原始版本快10倍。 基准测试（在Core i7-6700K上） $ roscd ndt_omp/data $ rosrun ndt_omp align 251370668.pcd 251371071.pcd --- pcl::NDT --- single : 282.222[msec] 10times: 2921.92[msec] fitness: 0.213937 --- pclomp::NDT (KDTREE, 1 threads) --- single : 207.697[msec] 10times: 2059.19[msec] fitness: 0.213937 --- pclomp::NDT (DIRECT7,

文件夹结构：MPI——在“src”文件夹中包含 MPI 代码以及 Makefile 和运行脚本。 OMP——在“src”文件夹中包含 OpenMP 代码以及 Makefile 和运行脚本。 SEQ——在“src”文件夹中包含序列代码以及 Makefile 和运行脚本。 SSE——在“src”文件夹中包含英特尔内部代码以及 Makefile 和运行脚本。 MPI+OMP——在“src”文件夹中包含 MPI+OMP 代码以及 Makefile 和运行脚本。 如何： -- 请加载以下模块： $ 模块加载英特尔 $ 模块加载英特尔-mpi 在上述每个文件夹中都有一个运行脚本，用于在 SBATCH 中提交程序，这里是它们的名称、它们的作用以及如何运行它们。 ------------------------------------------------ 序列文件夹-------------

mpi/omp 并行测试程序（fortran）编写的，已经在单机和工作站测试过