matlabtsp问题代码-Support-Recovery-for-Sparse-Signals-With-Unknown-Non-Stat

上传者: 38737144 | 上传时间: 2022-09-05 16:23:30 | 文件大小: 10KB | 文件类型: ZIP
matlab tsp问题代码对未知非平稳调制的稀疏信号的支持恢复 用于复制IEEE信号处理(TSP)论文“”中的图形的代码 抽象的 从低维噪声观测中估计稀疏信号的问题出现在许多应用中,包括超分辨率,信号去卷积和雷达成像。 在本文中,我们考虑了具有非平稳调制的稀疏信号模型,其中,对观察结果有贡献的每个字典原子都经历了未知的,独特的调制。 通过应用提升技术,在调制信号存在于公共子空间的假设下,我们将这种稀疏恢复和非平稳盲解调问题重现为从结构化线性观测中恢复列式稀疏矩阵,并提出解决通过块L1-范数正则化的二次最小化。 由于观察到的噪声,稀疏信号和调制过程无法准确恢复。 相反,我们旨在恢复地面真实信号的稀疏支持,并限制信号非零分量和调制过程的恢复误差。 特别是,我们在样本复杂度和正则化参数上得出了足够的条件以进行准确的支持物回收,并限制了支持物上的回收误差。 数值模拟证实并支持了我们的理论发现,并且我们证明了该模型在单分子成像应用中的有效性。 经过测试 Matlab R2017b与 引文 如果您使用我们的方法和/或代码,请引用我们的论文 @article{xie2020support, tit

文件下载

资源详情

[{"title":"( 7 个子文件 10KB ) matlabtsp问题代码-Support-Recovery-for-Sparse-Signals-With-Unknown-Non-Stat","children":[{"title":"Support-Recovery-for-Sparse-Signals-With-Unknown-Non-Stationary-Modulation-main","children":[{"title":"LICENSE <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"Fig4.m <span style='color:#111;'> 3.63KB </span>","children":null,"spread":false},{"title":"Fig5.m <span style='color:#111;'> 3.64KB </span>","children":null,"spread":false},{"title":"Fig3.m <span style='color:#111;'> 4.61KB </span>","children":null,"spread":false},{"title":"Fig2.m <span style='color:#111;'> 4.56KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.03KB </span>","children":null,"spread":false},{"title":"Fig1.m <span style='color:#111;'> 4.75KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明