说明：用小波变换作为稀疏基，采取OMP算法将图像重建恢复，由于算法计算量大会导致成像时间过长，程序用改进的分块处理缩短了时间，

分块算法 小波稀疏基 小波变换基 小波变换稀疏 稀疏基

说明：应用背景这个例子涉及的信号在频域稀疏因此，随机测量的时域。此代码演示了使用稀疏信号的压缩传感在时域。该信号由一个超宽带（超宽带）脉冲组成在时域。该信号是稀疏的时间域，因此频率域随机测量。关键技术这里L1魔术的matlab代码是用来恢复为使用l0范数最小化L1范数凸松弛优化技术的信号。

matlab 基于 压缩 感知 稀疏 信号 估计

说明：压缩感知程序源码，Blind compressed sensing (BCS)不需要在采样和恢复阶段预先知道稀疏基。源码对于研究压缩感知前沿具有很好的借鉴意义。

压缩感知 BCS-SPL compressed-sensing BCS 稀疏恢复

说明：本matlab程序主要是处理稀疏信号重构问题的，基于L1迭代阈值算法进行恢复的。（软阈值算法）

阈值-稀疏 重构L1 迭代软阈值 稀疏重构 迭代阈值算法

说明：资源描述基于张量的模型能够利用图像等数据的多模式特性，本代码里的张量恢复模型借助张量tucker分解模型，可以提取有稀疏噪声污染数据，例如图像的前后景分离等。

matlab 代码 张量 恢复

说明：原子范数约束谱估计文章，是稀疏恢复领域比较好的文章

UZJ atomic 原子范数 atomic范数 稀疏

说明：是本科毕设的题目，与理论分析结果相比，包括面积、周长、矩形度、伸长度，是国外的成品模型，解耦，恢复原信号，到达过程是的泊松过程。

算法 测试 源程序 一个 多种 信号 稀疏 重构

说明：l1-magic：基于凸规划的稀疏信号恢复，l1-magic的matlab代码，l1-magic: Recovery of Sparse Signals via Convex Programming

l1_magic convex-programming l1-L1-MAGIC convex-matlab-code l1

说明：程序来源：沙威 程序作用：使用小波基对数据稀疏化，然后采用OMG重构数据 程序数据：lena图像 程序运行环境：matlab 程序结果：原图与恢复图的对比，PSNR 小波基的lena图像压缩感知恢复代码

说明：分布式压缩感知，DCS_SOMP算法。用于稀疏信号的分布式恢复。

压缩感知-信号 压缩感知-SOMP 分布式稀疏 somp算法 DCS算法