ksvd算法代码

function [Dictionaryoutput] = KSVD（...
    Data... % an nXN matrix that contins N signals （Y） each of dimension n.
    param）
% =========================================================================
%                          K-SVD algorithm
% =========================================================================
% The K-SVD algorithm finds a dictionary for linear representation of
% signals. Given a set of signals it searches for the best dictionary that
% can sparsely represent each signal. Detailed discussion on the algorithm
% and possible applications can be found in “The K-SVD: An Algorithm for 
% Designing of Overcomplete Dictionaries for Sparse Representation“ written
% by M. Aharon M. Elad and A.M. Bruckstein and appeared in the IEEE Trans. 
% On Signal Processing Vol. 54 no. 11 pp. 4311-4322 November 2006. 
% =========================================================================
% INPUT ARGUMENTS:
% Data                         an nXN matrix that contins N signals （Y） each of dimension n. 
% param                        structure that includes all required
%                                 parameters for the K-SVD execution.
%                                 Required fields are:
%    K ...                    the number of dictionary elements to train
%    numIteration...          number of iterations to perform.
%    errorFlag...              if =0 a fix number of coefficients is
%                                 used for representation of each signal. If so param.L must be
%                                 specified as the number of representing atom. if =1 arbitrary number
%                                 of atoms represent each signal until a specific representation error
%                                 is reached. If so param.errorGoal must be specified as the allowed
%                                 error.
%    preserveDCAtom...         if =1 then the first atom in the dictionary
%                                 is set to be constant and does not ever change. This
%                                 might be useful for working with natural
%                                 images （in this case only param.K-1
%                                 atoms are trained）.
%    （optional see errorFlag） L...                 % maximum coefficients to use in OMP coefficient calculations.
%    （optional see errorFlag） errorGoal ...        % allowed representation error in representing each signal.
%    InitializationMethod...  mehtod to initialize the dictionary can
%                                 be one of the following arguments: 
%                                 * ‘DataElements‘ （initialization by the signals themselves） or: 
%                                 * ‘GivenMatrix‘ （initialization by a given matrix param.initialDictionary）.
%    （optional see InitializationMethod） initialDictionary...      % if the initialization method 
%