打不死的心态活到老

转载自：http://blog.youkuaiyun.com/abcjennifer/article/details/7775284 上一篇《压缩感知进阶——有关稀疏矩阵》中我们已经讲过了压缩感知原理、应用领域、可行性以及恢复信号机制，后面有朋友陆续反应希望有一个CS版Helloworld，这里我就借用香港大学沙威大牛的一个程序在代码层面对CS做一讲解。 Keywords: 压缩感知 compre

转载自：http://blog.youkuaiyun.com/abcjennifer/article/details/7748833 上一篇《初识压缩感知Compressive Sensing》中我们已经讲过了压缩感知的作用和基本想法，涉及的领域，本文通过学习陶哲轩对compressive sensing（CS）的课程，对压缩感知做进一步理解，针对其原理做出讲解。本文较为理论性，代码请参考《“压缩感

转载自：http://blog.youkuaiyun.com/abcjennifer/article/details/7721834 压缩感知是近年来极为热门的研究前沿，在若干应用领域中都引起瞩目。最近粗浅地看了这方面一些研究，对于Compressive Sensing有了初步理解，在此分享一些资料与精华。本文针对陶哲轩和Emmanuel Candes上次到北京的讲座中对压缩感知的讲解进行讲解，让大家能

转载自：http://blog.youkuaiyun.com/abcjennifer/article/details/8058818 前面有几篇很有意思的文章分别介绍了压缩感知原理以及如何运用矩阵的稀疏性进行相关分析，这一篇文章中呢，我不提压缩感知原理，如果想看原理的朋友请看下面几篇文章： 初识压缩感知Compressive Sensing 中国压缩传感资源（China Compre

Sparse大家并不陌生，是个经典话题了。而此时sparse已经卷土重来，虽然还是那一锅汤，但是药已经换了。以L1-minimization为核心的算法，近几年飞速进展，Compressive Sensing (Compressive Sampling) 已然成为数学领域和信号处理最前沿最热门的方向。最近一年多这种新形式的算法快速蔓延到模式识别界应用，论文质量高、算法效果好、而且算法一般都非常

分布式压缩视频感知DCVS概述 1、分布式压缩感知     编码端十分简单，每个信号分别进行CS测量。而解码端复杂，将信号集在一起进行联合重构。如图1所示： 图1 分布式压缩感知的基础是联合稀疏模型，即JSM模型，目前有三种，其中JSM-1：信号集中的信号之间相关性很强，每个信号都由公共信号部分和独立信号部分组成，且均稀疏。       由于这种特性，因此在压缩感知过程中，可以对k