针对传统基于稀疏贝叶斯学习(sparse bayesian learning, SBL)的波达方向(direction of arrival，DOA)估计算法在低信噪比条件下性能不足的问题，提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解，获得信号的加权子空间，然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解，同时对于网格失配带来的建模误差，将空间域内的离散采样网格点作为动态参数，通过求解一个多项式，利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明，相对于传统SBL算法，该方法具有更好的估计精度和空间分辨率。

去噪声代码matlab 可乐 介绍 这是基于CoLaMP算法的MATLAB实现，该算法在以下论文（）中介绍。 “通过凸编程和块稀疏性以平滑的支持来估计稀疏信号”，Sohil Atul Shah，Christoph Studer和Tom Goldstein 源代码和数据集在麻省理工学院执照下发布。 有关详细信息，请参见。 通常，您可以将它们用于适当目的的任何目的。 如果您对代码做一些有趣的事情，我们将很乐意为您提供帮助。 欢迎与我们联系。 运行算法 如本文所述，算法1被实现为代码的一部分，算法2被实现为。 除此之外，我们还提供算法1的ADMM实现。 去噪算法是通过插入此算法的Primal-Dual算法来实现的。 我们在代码库中为所有四个应用程序都包括了测试包装，以便于理解输入/输出并再现某些论文的定性结果。

基于块稀疏贝叶斯学习的多任务压缩感知重构算法

信号处理中压缩感知块稀疏BOMP算法的代码，之前找不到网上的源码，就只能照着论文自己试着写一下了。希望能对初学压缩感知的人有所帮助。

基于块稀疏信号的重构算法。稀疏贝叶斯学习算法。

常用的块稀疏压缩感知恢复算法，主要以omp算法为主，包括BOMP