压缩感知稀疏贝叶斯算法

压缩感知稀疏贝叶斯算法，包含SBL,TSBL和TMSBL算法。亲自测试能够使用

%    Goal: Compare T-MSBL T-SBL MSBL MFOCUSS
%          In this demo you will see T-MSBL and T-SBL outperform other two
%          algorithms. Particularly please note that T-MSBL and T-SBL
%          adaptively learn the regularization parameter lambda while MSBL
%          freezes lambda to the true noise variance （which is a near
%          optimal value）. When T-MSBL and T-SBL freeze their lambda to the
%          optimal values their performance can be further better.
%
%          This demo also shows the lambda learning rule of MSBL is very
%          poor. It should not be used in low SNR cases.
%
%  Author: Zhilin Zhang （z4zhang@ucsd.edu）
%    Date: May 20 2011
% Version: 1.1


clear all;  

% Experiment Assignment
run_TMSBL = 1;           % Run T-MSBL
run_TSBL  = 1;           % Run T-SBL 
run_MSBL  = 1;           % Run MSBL
run_FOCUSS= 1;           % Run M-FOCUSS
iterNum   = 50;          % Trial number （i.e. number of repeating the experiment）
                         % For statistical result iterNum should not less than 50

% Problem dimension
N = 30;                  % Row number of the dictionary matrix 
M = N * 5;               % Column number of the dictionary matrix
L = 3;                   % Number of measurement vectors
K = 7;                   % Number of nonzero rows （i.e. source number） in the solution matrix
beta = ones（K1）*0.9;    % Temporal correlation of each nonzero row in the solution matrix.
                         % In biomedical applications such as EEG MRIetc such temporal 
                         % correlation could be higher than 0.95
                         
                         %====================================================================                         
SNR = 10;                % Note: When you change the SNR you may need to accordingly change 
                         %       the input arguments for each algorithm
                         %====================================================================
                         
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./（ones（N1）*sqrt（sum（Phi.^2）））;
   
    % Generate the K nonzero rows each row being an AR（1） process. All the AR（1） 
    % processes have different AR coefficients which are randomly chosen from [0.71）     
    nonzeroW（:1） = randn（K1）;
    for i = 2 : L*100
        nonzeroW（:i） = beta .* nonzeroW（:i-1） + sqrt（1-beta.^2）.*（ones（K1）.*randn（K1））;
    end
    nonzeroW = nonzeroW（:end-L+1:end）;   % Ensure the AR processes are stable

    % Normalize each row
    nonzeroW = nonzeroW./（ sqrt（sum（nonzeroW.^22）） * ones（1L） ）;
    
    % Rescale each row such that the squared row-norm distributes in [1scalefactor]
    scalefactor = 3; 
    mag = rand（1K）; mag = mag - min（mag）;
    mag = m

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2011-11-13 00:28  TMSBL_code\
     文件        7923  2011-11-12 21:20  TMSBL_code\demo.m
     文件        3458  2011-11-12 21:20  TMSBL_code\demo_fig3.m
     文件        2421  2011-11-12 21:20  TMSBL_code\demo_fig6_SNR10.m
     文件        3360  2011-11-12 21:20  TMSBL_code\demo_fig8.m
     文件        5657  2011-11-12 21:20  TMSBL_code\demo_identicalVector.m
     文件        7551  2011-11-12 21:20  TMSBL_code\demo_time_varying.m
     文件       95186  2011-11-13 00:27  TMSBL_code\Master the Usage of TMSBL in 3 Minutes.docx
     文件      298066  2011-11-13 00:28  TMSBL_code\Master the Usage of TMSBL in 3 Minutes.pdf
     文件      101863  2011-11-12 21:20  TMSBL_code\Master the Usage of TSBL in 1 Minute.pdf
     文件        5758  2011-11-12 21:20  TMSBL_code\MFOCUSS.m
     文件        6214  2011-11-12 21:20  TMSBL_code\MSBL.m
     文件        1912  2011-11-12 21:20  TMSBL_code\perfSupp.m
     文件        1687  2011-11-12 21:20  TMSBL_code\ReadMe.txt
     文件       18245  2011-11-13 00:20  TMSBL_code\TMSBL.m
     文件       13981  2011-11-12 21:20  TMSBL_code\TSBL.m