主要内容:
1、MP算法
2、OMP算法
3、OMP算法的matlab实现
4、OMP在压缩感知和人脸识别的应用
一、MP(Matching Pursuits)与OMP(Orthogonal Matching Pursuit)算法
内容:稀疏信号的表示(字典、稀疏系数)、MP算法、MP算法的缺点、OMP、OMP的实现
参考文章:http://blog.csdn.net/scucj/article/details/7467955
二、OMP的matlab实现
%A-稀疏系数矩阵
%D-字典/测量矩阵(已知)
%X-测量值矩阵(已知)
%K-稀疏度
function A=OMP(D,F,X,L)
X=double(X);
[n,P]=size(X);
[n,K]=size(D);
%按列操作,分别求出每一列对应的最相关的基
for k=1:P
%a:每一列对应的相关基的系数
a=[];
%取二维信号的每一列信号
x=X(:,k);
%初始残差
residual=x;
%indx:索引集,L:测量次数
indx=zeros(L,1);
for j=1:L
%D转置与残差residual相乘,得到residual与每一列的内积值
residual=double(residual);
D=double(D);
proj=D‘*residual;</