基于贝叶斯压缩感知的平面阵列失效单元诊断，首先进行难过了理论分析，其次进行了电磁仿真，最后通过实际测试进行了验证。

Matlab的无花果生成代码贝叶斯压缩感知 这套Matlab（7.0）函数包含用于重现以下两篇论文的一些结果的核心代码： ，史浩（Shihao Ji），亚雪（Ya Xue）和劳伦斯·卡林（Lawrence Carin），IEEE Trans。 信号处理，第一卷56号2008年6月6日。 ，史浩（Shihao Ji），戴维·邓森（David Dunson）和劳伦斯·卡林（Lawrence Carin），IEEE Trans。 信号处理，第一卷57号1，第92-106页，2009年1月。 BCS演示 图2.m->生成图2 实施BP需要l1-magic的以下两个Matlab文件： l1qc_logbarrier.m l1qc_newton.m 可以在以下位置找到： Fig4_ab.m->生成图4（a，b） multi_random_measures.m ---->为图4a生成“随机”曲线 multi_optimized_measures.m ---->生成图4a的“ Optimized”曲线 multi_approx_measures.m ---->生成“大约”。 图4a的曲线 MT-CS演

贝叶斯压缩感知源代码（Matlab版）

#资源达人分享计划#

利用MATLAB实现稀疏贝叶斯算法，对于压缩感知的学习是一个比较好的东西，可以对具体的过程实现有进一步的了解，用在压缩感知和稀疏恢复重建之中

贝叶斯压缩感知稀疏信号重构方法研究

一篇关于贝叶斯压缩感知算法的原理以及应用的外文文献，比较详细

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。

来自Duke大学官网的贝叶斯压缩感知matlab函数包，亲测可用。 居家旅行必备！研究压缩感知必备！

是2008年的Bayesian Compressive Sensing论文的贝叶斯压缩感知代码