mp.zip_compressed sensing_mp

%基于MP算法 clc; clear; %观测向量y的长度M=80，即采样率M/N=0.3 N=256; K=15; %信号稀疏度为15 M=80; %观测向量y的长度 x = zeros(N,1); q = randperm(N); x(q(1:K)) =randn(K,1); %原始信号 %构造高斯测量矩阵，用以随机采样 Phi = randn(M,N)*sqrt(1/M); for i = 1:N Phi(:,i) = Phi(:,i)/norm(Phi(:,i)); end y=Phi*x ; %获得线性测量 %用MP算法开始迭代重构 m=2*K; %总的迭代次数 r_n=y; % 残差值初始值 x_find=zeros(N,1); %x_find为MP算法恢复的信号 for times=1:m for col=1:N neiji(col)=Phi(:,col)'*r_n; %计算当前残差和感知矩阵每一列的内积 end [val,pos]=max(abs(neiji)); %找出内积中绝对值最大的元素和它的对应的感知矩阵的列pos x_find(pos)=x_find(pos)+neiji(pos); %计算新的近似x_find r_n=r_n-neiji(pos)*Phi(:,pos); %更新残差 end subplot(3,1,1);plot(x);title('target'); subplot(3,1,2);plot(x_find);title('reconstruct'); subplot(3,1,3);plot(r_n);title('残差');