包含贝叶斯和正交矩阵压缩感知算法网络环境：（1）信标节点定位置坐标已知；
（2）所有节点的通信半径可调理；
（3）节点能量充分；
（2）所有节点的通信半径可调理；
（3）节点能量充分；
2023/2/21 1:17:34
792KB
1
matlab编的OMP算法，代码全是本人写的，有注释，并带有数据集，里面的格式相对来讲也是很标准的，对学习稀疏重建与压缩感知是十分有用的
2023/1/13 16:58:18
18KB
1
最近发现网上压缩感知中用OMP算法重构图像的代码很多，但很少有应用OMP算法来重构整个视频序列的，代码是自己写的，希望对初入门压缩感知的有协助。
由于重构时间的原因，程序中只对前8帧进行了重构。
由于重构时间的原因，程序中只对前8帧进行了重构。
2022/11/25 22:30:41
29.44MB
1
本仿真对脉冲压缩进行改进，提出去斜处理。
与脉冲压缩技术不同，此算法可用于带宽极大的雷达定位：穿墙雷达，探地雷达等。
定位效果极佳，还可为后续压缩感知及后投影BP算法提供研讨思路。
与脉冲压缩技术不同，此算法可用于带宽极大的雷达定位：穿墙雷达，探地雷达等。
定位效果极佳，还可为后续压缩感知及后投影BP算法提供研讨思路。
2019/10/9 8:31:42
840B
1
一篇今年3月份的外文综述《CompressedSensing:TheoryandApplications》(22页)，我把它译成了中文，原文附后。
2020/1/12 11:38:49
1.97MB
1
压缩感知各种重构算法经典论文合集MPOMPSAMPSPCoSaMPROMPStOMPIHT等以及RIP原则
2015/5/4 5:41:12
12.24MB
1
针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
该算法利用三级离散小波变换将图像分解为高频部分和低频部分。
通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自顺应分配采样率。
采用平滑投影Landweber算法重构图像,消除分块引起的块效应。
对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。
不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。
对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。
2015/9/27 10:19:52
11.24MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB