qq_37694664的博客

题目：压缩感知稀疏基之离散小波变换看小波变换的时间超过半个月了，到今天为止终于可以得到小波变换矩阵（小波基）了，该陆续写一些总结了，这一篇给出最核心的东西：在Matlab中如何得到小波变换矩阵？我看小波变换的最终目的也是为了得到小波变换矩阵，因为小波并不是目的，看小波是为了研究压缩感知的稀疏表示。但小波变换真心不是一般的正交变换，它没有一个简单的公式可以表达，里面涉及的概念太多，一时无法吸收消化

题目：小波变换中的信号扩展(延拓)问题        本篇主要是做为上一篇《压缩感知稀疏基之离散小波变换》的一个补充说明。        首先给出一个卷积的例子：               从上面的卷积计算过程中可以看出，在计算y(0)和y(4)时，x(n)和h(n)只有一个点对应，在计算其它值时有两个点对应，以上计算还可以用矩阵表示如下：        我们可以对x(n)按某种规律进行

题目：IST改进算法之Two-Step Iterative Shrinkage/Thresholding(TwIST)        本篇介绍IST的一种改进算法TwIST，该改进算法由以下文献提出：Bioucas-DiasJ M, Figueiredo M AT.A new TwIST: two-step iterative shrinkage/thresholding algorithms

题目：压缩感知重构算法之迭代硬阈值(Iterative Hard Thresholding,IHT)        本篇来介绍IHT重构算法。一般在压缩感知参考文献中，提到IHT时一般引用的都是文献【1】，但IHT实际上是在文献【2】中提出的。IHT并不是一种凸优化算法，它类似于OMP，是一种迭代算法，但它是由一个优化问题推导得到的。文献【1】和文献【2】的作者相同，署名单位为英国爱丁堡大学(Un

浅谈压缩感知（一）：背景简介 <div class="postBody"> <div id="cnblogs_post_body"><h1>1、动机与背景</h1>数字化革命：随着数字化技术的快速发展，电话、手机、相机、电视等数字化产品如雨后春笋般涌现市场，无时无刻不在影响着我们的生活，这是一个数字化的时代。数码传感器的挑战：在这样一个数字

浅谈压缩感知（二）：理论基础 <div class="postBody"> <div id="cnblogs_post_body"><p>主要内容：</p>信号的稀疏表示编码测量（采样过程）恢复算法（非线性）一、信号与图像的稀疏表示在DSP（数字信号处理）中，有个很重要的概念：变换域（某个线性空间：一组基函数支撑起来的空间）一般而言，我们的

浅谈压缩感知（三）：几何解释 <div class="postBody"> <div id="cnblogs_post_body"><p>主要内容：</p> 信号的稀疏表示模型压缩测量RIP性质恢复重建  一、信号的稀疏表示模型信号在某个空间是非稀疏的，如果变换到某个空间，即可变成稀疏的。稀疏信号表示有极少的非零系数。如下图，左边

浅谈压缩感知（四）：恢复算法 <div class="postBody"> <div id="cnblogs_post_body"><p>主要内容：</p>1、L1 minimization2、Matching Pursuit3、Iterative thresholding4、Total-variation minimization 1、L