压缩感知例程，稀疏基为小波基，测量矩阵为哈达玛矩阵，重构算法为OMP算法，调试过可用。

针对随机测量矩阵元素随机产生、不易于硬件实现的缺点,利用有限域上准循环低密度奇偶校验(QCLDPC)码奇偶校验矩阵的构造方法,设计了一种确定性的结构化稀疏测量矩阵。由于QC-LDPC码的信道编解码性能较好,故以此为基础构造压缩感知(CS)测量矩阵预计有较好的性能。分别用一维和二维信号的CS重建实验验证新矩阵的性能,结果表明,与常用的测量矩阵相比,在相同的重建算法和压缩比条件下,新矩阵对应的重建误差较低,在峰值信噪比(PSNR)的评价指标上有所提高(0.5~1 dB)。特别地,所提的确定性测量矩阵在结构上具有对称特性和准循环特性,如将其应用于硬件实现,可降低物理内存的需求量与硬件实现的复杂度。

用logistic混沌系统产生压缩感知中的测量矩阵，构造简单，效果良好。

介绍了一种在压缩感知框架内的简单测量矩阵构造算法（MMCA）。 在压缩感测中，测量矩阵和稀疏字典（基本）之间的较小相干性可以具有更好的信号重建性能。 随机测量矩阵（例如，高斯矩阵）已被广泛使用，因为它们与几乎所有稀疏基数都具有较小的相干性。 但是，通过降低与固定稀疏基的相干性来优化测量矩阵将大大提高CS的性能，这一结论已被许多先前的研究人员很好地证明。 基于以上分析，我们通过迭代采用收缩和奇异值分解（SVD）技术来实现此目的。 最后，优化矩阵和稀疏字典的列之间的相干性可以大大降低，甚至接近韦氏边界。 此外，我们建立了一些实验来测试所提出算法的性能，并与现有技术进行比较。 我们得出的结论是，使用所提出的测量矩阵构建方法，贪婪算法（例如正交匹配追踪）的恢复性能优于传统的随机矩阵算法，Elad算法，Vahid算法和Xu引入的优化矩阵算法。

介绍了一种在压缩感知框架内的简单测量矩阵构造算法（MMCA）。 在压缩感测中，测量矩阵和稀疏字典（基本）之间的较小相干性可以具有更好的信号重建性能。 随机测量矩阵（例如，高斯矩阵）已被广泛使用，因为它们与几乎所有稀疏基数都具有较小的相干性。 但是，通过降低与固定稀疏基的相干性来优化测量矩阵将大大提高CS的性能，这一结论已被许多先前的研究人员很好地证明。 基于以上分析，我们通过迭代采用收缩和奇异值分解（SVD）技术来实现此目的。 最后，优化矩阵和稀疏字典的列之间的相干性可以大大降低，甚至接近韦氏边界。 此外，我们建立了一些实验来测试所提出算法的性能，并与现有技术进行比较。 我们得出的结论是，使用所提出的测量矩阵构建方法，贪婪算法（例如正交匹配追踪）的恢复性能优于传统的随机矩阵算法，Elad算法，Vahid算法和Xu引入的优化矩阵算法。

OFDM-LFM信号的雷达稀疏成像的测量矩阵优化新方法

可得到压缩感知测量矩阵，二进制分块对角矩阵的生成

针对现有二进制测量矩阵重构性能和硬件实现的负相关性，提出了一种新型压缩感知二进制测量矩阵——伪随机块对角矩阵（PRBD）。PRBD矩阵使用平衡正交Gold序列、块对角矩阵和降采样矩阵，通过结构化的方法构造，不仅保留了确定性矩阵易于硬件实现和计算复杂度低的优点，而且有利于贪婪追踪算法进行图像重构。实验结果表明，PRBD测量矩阵具有良好的重构性能，在峰值信噪比（PSNR）的指标上比常用的二进制测量矩阵提高0.5 dB以上。特别地，PRBD测量矩阵可采用图像分块重构的方法，在保证重构性能良好的情况下，图像重构需要的时间较短。

测量矩阵的构建源程序（Matlab版）

该实验主要用于研究压缩感知中常见测量矩阵的构造方法，并用一维仿真信号进行了实验，里面包含所有的代码