观测矩阵优化相关论文
压缩感知（Compressed Sensing,CS）理论是一种通过减少采样的次数,降低采样时间的技术。该理论已经在医学成像、照相机设计、地震监测......
压缩感知凭借高效的信息采样机制受到了研究者们的广泛关注,在实践中具备巨大的应用潜力。传统压缩感知将感知能量分散在整个信号......
压缩感知(CS)理论利用信号的稀疏性,通过观测矩阵以远低于Nyquist的采样频率对信号进行采样,并利用重构算法能够从少量的观测数据......
近年来,对于压缩感知理论的研究一直是国际信号处理领域的热点问题,已经渗透到数学,通信等诸多的工程科学领域之中。而人脸识别,由......
基于压缩感知（CS）理论的稀疏线性调频步进信号（SFCS）逆合成孔径雷达（ISAR）成像技术能够从少量观测数据中高概率重构出目标像,其中,观测矩......
压缩采样（CS，又称压缩感知）技术的出现为频谱感知在更宽的频谱范围探测稀疏信号带来了革命性的契机。这里将观测矩阵优化与压缩采样自......
为提高传统压缩感知（cs）恢复算法的抗噪性能，结合观测矩阵优化和自适应观测的思想，提出一种自适应压缩感知（ACS）算法。该算法将观测能量......
