MSBL_code 稀疏贝叶斯学习是很好压缩感知

稀疏贝叶斯学习是一种很好压缩感知，信号恢复方法。

%    Goal: Show how to use MSBL in noiseless case
%  Author: Zhilin Zhang （z4zhang@ucsd.edu）
%    Date: March 05 2011
% Version: 1.0


clear all;  

% Experiment Assignment

iterNum   = 50;          % Trial number （i.e. number of repeating the experiment）

% Problem dimension
N = 25;                  % Row number of the dictionary matrix 
M = 100;                 % Column number of the dictionary matrix
L = 4;                   % Number of measurement vectors
K = 12;                  % Number of nonzero rows （i.e. source number） in the solution matrix
                    

for it = 1 : iterNum
    fprintf（‘\n\nTrial #%d:\n‘it）;

    % Generate dictionary matrix with columns draw uniformly from the surface of a unit hypersphere
    Phi = randn（NM）;
    Phi = Phi./

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2011-05-24 01:16  MSBL_code\
     文件        2472  2011-05-24 01:17  MSBL_code\demo_noiseless.m
     文件        3835  2011-05-24 01:15  MSBL_code\demo_noisy.m
     文件        6331  2011-05-24 01:05  MSBL_code\MSBL.m
     文件        1912  2011-01-14 02:12  MSBL_code\perfSupp.m