原From <http://xiahouzuoxin.github.io/notes/html/%E7%99%BD%E8%AF%9D%E5%8E%8B%E7%BC%A9%E6%84%9F%E7%9F%A5.html>
python代码自己添加
1. 稀疏表示
使用压缩感知理论首先要求信号能表示为稀疏信号,如x=[1 0 0 0 1 0],其中只有2个1,可认为是稀疏的。我们将信号通过一个矩阵映射到稀疏空间,
设信号x为N维,即
,则
为NxN维稀疏表达矩阵,s即是将x进行稀疏表示后的Nx1维向量,其中大部分元素值为0。稀疏表示的原理就是通过线性空间映射,将信号在稀疏空间进行表示。
1.1傅里叶变换python下的演示
原型:
import numpy as np import matplotlib.pyplot as plt
# Compute the x and y coordinates for points on a sine curve #x = np.arange(0, 3 * np.pi, 0.1) #y = np.sin(x) t = np.arange(-300*np.pi,300*np.pi,0.1) x1=np.cos(2*np.pi*t/256)+np.sin(2*np.pi*t/128)
# Plot the points using matplotlib plt.plot(t, x1) plt.show() # You must call plt.show() to make graphics appear.
|
结果如图:
使用傅里叶对x1进行变换: