Add Macroscopic Analysis of VAMP in a MMS folder

2023-12-19 17:13:03 +08:00
parent 82a0353f74
commit 8b62b98e19
2 changed files with 123 additions and 0 deletions
@@ -0,0 +1,46 @@
+% Input:y,A,lambda,tau,Kit
+% Output:x_hat_wl,x_hat_d
+clear;
+clc;
+% rng(1); % 随机种子
+
+%% test_稀疏向量
+% 设定稀疏度
+k = 100; % 设定稀疏度
+
+% 构造感知矩阵D
+m = 768; % 感知矩阵行数
+n = 1024; % 感知矩阵列数 （n>>m）
+
+% D = randn(m,n);     % 生成满足高斯分布的感知矩阵 64*256
+
+F = dftmtx(n);
+row_indices = randperm(n, m);
+D = F(row_indices, :);
+
+% 构造稀疏信号X——共n个元素，其中k个元素不为0
+X = zeros(n, 1);
+index = randperm(n, k);
+val = randn(1, k);
+X(index) = val;
+
+% 得到观测矩阵（压缩后）
+A = D * X;
+
+%%
+% % 通过cVMAP算法完成恢复X，得到恢复后信号
+lambda = ones(n, 1) ./ 10;
+[x_hat_wl, x_hat_d] = cVAMP(A, D, lambda, 1e-4, 200);
+
+%%
+% 显示结果
+figure;
+subplot(3, 1, 1)
+stem(X);
+title('origin signal')
+subplot(3, 1, 2)
+stem(x_hat_wl);
+title('restored signal')
+subplot(3, 1, 3)
+stem(X - x_hat_wl);
+title('differ')