matlab 支撑集,压缩感知中常用的待还原信号种类

研究压缩感知的一个基本工作就是生成原始的信号，也就是y=Ax中的x。一般来说，x是一个长度为N的列向量，稀疏度为k，其中x的非零位置组成的集合称作支撑集T。

x中的非零元素集合一般独立同分布四种随机分布。

1、Uniform，开区间(0,1)上的均匀分布。

2、Signs，伯努利分布，待选集合为{-1,1}，等概率选取。

3、Gaussian，标准正态分布N(0,1)

4、Power，能量法则，1/j,j=1,...,k的某个排列组合。

基于这些生成的向量，我们就可以进一步做算法研究了，比如算法重构性能的研究。

下边附上相关的Matlab程序，它摘自斯坦福大学的一个开源包，http://sparselab.stanford.edu/

路径为SparseLab2.1-Core\Utilities\SparseVector.m

可能是因为Matlab版本的问题，我用的是8.0.0.783 (R2012b)，程序有一点错误，我已经做了修改，可以参考代码中的中文注释。

附：Matlab程序——SparseVector.m

function x = SparseVector(n, k, ensemble, perm)

% SparseVector: Generates a sparse vector with a specified distribution.

%

% Usage:

% x = SparseVector(n, k, ensemble, perm)

% Inputs:

% n vector length

% k number of nonzero entries

% ensemble string containing name of coefficient distribution

% ‘Uniform‘, ‘Gaussian‘, ‘Signs‘, ‘Power‘.

% Default is ‘Uniform‘.

% perm If =1, the nonzero indices are randomly selected.

% Otherwise, the nonzero entries are in indices 1..k (default).

% Outputs:

% x Sparse n vector.

% Description:

% This function creates a vector of length n with k nonzero entries,

% distributed according to the specified input ensemble.

% The following distributions are supported:

%

% ‘Uniform‘ - Entries are distributed uniformly on the unit interval.

%

% ‘Gaussian‘ - Entries are distributed N(0,1).

%

% ‘Signs‘ - Entries are distributed Bernoulli over the set {-1,1},

% with equal probabilities.

%

% ‘Power‘ - Entries follow the power law 1/j, j = 1..k

%

% See Also

% MatrixEnsemble

if nargin < 4,

perm = 0;

end

if nargin < 3,

ensemble = ‘Uniform‘;

end

switch upper(ensemble)

case ‘UNIFORM‘

x = [rand(k,1); zeros(n-k,1)];

case ‘SIGNS‘

x = sign(rand(k,1) - 0.5);

zz = find(x == 0);

Phi(zz) = ones(size(zz));

x = [x; zeros(n-k,1)];

case ‘GAUSSIAN‘

x = [randn(k,1); zeros(n-k,1)];

case ‘POWER‘

%这里被我修改了，之前是x = [1./[1:k]; zeros(n-k,1)];

%程序是有问题的，需要转置

x = [(1./[1:k])‘; zeros(n-k,1)];

end

if perm

p = randperm(n);

x = x(p);

end

%

% Copyright (c) 2006. David Donoho

%

%

% Part of SparseLab Version:100

% Created Tuesday March 28, 2006

% This is Copyrighted Material

% For Copying permissions see COPYING.m

% Comments? e-mail [email protected]

%

运行示例：

原文：http://blog.csdn.net/zhyoulun/article/details/25600311