文件名称：压缩感知l1重建算法matlab代码-SparseGravitationalWaves:稀疏方法（和压缩感测）应用于重力波信号处理
文件大小：958KB
文件格式：ZIP
更新时间：2024-06-09 05:22:52
系统开源
压缩感知l1重建算法matlab代码稀疏引力波 稀疏方法（和压缩感测）应用于重力波信号处理 如果不是稀疏方法，互联网将是一个漂亮但相对空白的地方。 大多数有损压缩方法（例如，在图像的情况下）基于以下观察结果：常用基础系统（例如，原始像素）中的大多数系数都可以忽略不计或可忽略不计。 从电信到地震现象，自然界的几乎每个领域都可以看到这种稀疏概念。 该项目的重点是时空本身的振动。 根据信号源，引力波信号预期在四个主要的感应基极稀疏：瞬态（“突发”）源在时域中将以孤立脉冲的形式出现，准单色（“连续”）信号将以较小的形式出现傅立叶域中的频率数量。 不稳定紧密紧凑的二元系统的早期（平稳阶段）吸气部分有望在时频（“线性调频”）平面（）上产生稀疏信号。 最终，在傅立叶域中的检测器间互相关空间中，所谓的“随机背景”稀疏。 “最近”已经开发了一个功能强大的数学框架，例如，只要已知信号在某些表示形式上是稀疏的（即使您不知道），就可以准确地重建采样速率远低于您天真的期望的采样率的信号。无法明确知道哪种表示形式）。 在这里，我给出了如何将这些稀疏方法应用于重力波数据分析的草图。 在某些情况下，它们可能会提高计算
【文件预览】：
SparseGravitationalWaves-master
----OMPerrAnalysis.m(933B)
----chirpxform_variables.m(829B)
----psiChirplet.m(718B)
----GenSparseChirps4.m(1KB)
----GenSparseProblem.m(878B)
----mumu2.m(845B)
----realchirp.m(0B)
----OMP.m(2KB)
----Figures()
--------TenChirps.wav(195KB)
--------Eqn_Lp_norm_definition.png(19KB)
--------Eqn_L0_minimization.png(13KB)
--------SparseChirplet_SingleInjection_TimeSeries.png(5KB)
--------HowOMPWorks.jpg(52KB)
--------SparseChirplet_SingleInjection_TimeSeries.tif(94KB)
--------ChirpletSpectrogram_NoNoise1.png(9KB)
--------NSreconstructionOMP_IncrLineWdith.tif(79KB)
--------ChirpletTimeSeries_Noise.png(4KB)
--------SyphilisDanceHall.png(460KB)
--------ChirpletSpectrogram_TemplateDiagram.jpg(131KB)
--------NSreconstructionOMP_IncrLineWdith.png(7KB)
--------ChirpletTimeSeries_Noise.tif(59KB)
--------ChirpletSpectrogram_NoNoise1.tif(1.58MB)
--------NSreconstructionOMP_IncrLineWidth_NoReconstructionBiggerText.jpg(46KB)
--------Eqn_L1_minimization.png(13KB)
--------sFFT_FilterFigure2.jpg(27KB)
--------OneChirp.wav(195KB)
----chirpxform.m(1KB)
----LICENSE(11KB)
----GenSparseVectors.m(898B)
----README.md(15KB)
----simplechirp.m(314B)
----GenSparseVectors4.m(1KB)
----sparseChirpSampler.m(2KB)
----plotOMPerrAnalysis.m(681B)
----chirpSynth.m(922B)
----OMP4.m(2KB)
----mumu.m(889B)