%??1-D信號(hào)壓縮傳感的實(shí)現(xiàn)（正交匹配追蹤法Orthogonal?Matching?Pursuit）
%??測(cè)量數(shù)M>=K*log（N/K）K是稀疏度N信號(hào)長(zhǎng)度可以近乎完全重構(gòu)
clc;clear

%%??1.?時(shí)域測(cè)試信號(hào)生成
K=7;??????%??稀疏度（做FFT可以看出來）
N=256;????%??信號(hào)長(zhǎng)度
M=64;?????%??測(cè)量數(shù)（M>=K*log（N/K）至少40但有出錯(cuò)的概率）
f1=50;????%??信號(hào)頻率1
f2=100;???%??信號(hào)頻率2
f3=200;???%??信號(hào)頻率3
f4=400;???%??信號(hào)頻率4
fs=800;???%??采樣頻率
ts=1/fs;??%??采樣間隔
Ts=1:N;???%??采樣序列
x=0.3*cos（2*pi*f1*Ts*ts）+0.6*cos（2*pi*f2*Ts*ts）+0.1*cos（2*pi*f3*Ts*ts）+0.9*cos（2*pi*f4*Ts*ts）;??%??完整信號(hào)

%%??2.??時(shí)域信號(hào)壓縮傳感
Phi=randn（MN）;???????????????????????????????????%??測(cè)量矩陣（高斯分布白噪聲）
s=Phi*x‘;????????????????????????????????????????%??獲得線性測(cè)量?
%%??3.??正交匹配追蹤法重構(gòu)信號(hào)（本質(zhì)上是L_1范數(shù)最優(yōu)化問題）
%%??%??算法迭代次數(shù)（m>=K）
hat_x=csomp（sPhiNK）;


%%??4.??恢復(fù)信號(hào)和原始信號(hào)對(duì)比
figure（1）;
hold?on;
plot（hat_x‘k.-‘）?????????????????????????????????%??重建信號(hào)
p

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2013-10-17?12:48??Wavelet_OMP\
?????文件????????1135??2013-05-18?11:34??Wavelet_OMP\CS.asv
?????文件????????1122??2013-05-18?11:48??Wavelet_OMP\CS.m
?????文件????????1374??2013-05-18?11:39??Wavelet_OMP\csomp.asv
?????文件????????1304??2013-05-18?11:48??Wavelet_OMP\csomp.m
?????文件????????1065??2009-10-14?18:27??Wavelet_OMP\DWT.m
?????文件???????66614??2009-06-08?18:00??Wavelet_OMP\lena256.bmp
?????文件????????2287??2013-05-18?12:53??Wavelet_OMP\main1.m
?????文件????????1329??2013-04-10?09:02??Wavelet_OMP\omp.m
?????文件????????5220??2010-04-04?21:50??Wavelet_OMP\SL0.m
?????文件????????1228??2013-05-18?12:29??Wavelet_OMP\test.asv
?????文件????????1227??2013-05-18?12:51??Wavelet_OMP\test.m
?????文件????????2497??2013-05-18?10:48??Wavelet_OMP\Wavelet_OMP.m
?????文件?????????912??2010-04-01?16:44??Wavelet_OMP\wavelet_OMP_colour.m