根据提供的论文( Yu 等人的用于压缩感知的 Toeplitz 结构混沌感知矩阵),涉及到两个混沌感知矩阵。让我们分别探索它们。
- 混沌感知矩阵(A部分)
明确指出,要创建这样的矩阵,您必须构建m
具有不同初始条件(范围 ]0;1[)的独立信号(序列)m
,然后每行连接此类信号(即,一个信号 = 一行)。这些信号中的每一个都必须有长度N
。这实际上是您的 matrix R
,它按原样正确评估。虽然我想建议一个代码改进:而不是构建一列然后转置矩阵,您可以直接每行构建这样的矩阵:
R=zeros(m,N);
R(:,1)=rand(m,1); %build the first column with m initial conditions
请注意:通过运行randn()
您选择具有高斯(正态)分布的值,这些值可能不在论文中所述的 ]0;1[ 范围内(就在等式 9 的下方)。相反,通过使用rand()
,您可以在该范围内获取均匀分布的值。
之后,您可以根据 for 循环分别构建每一行:
for i=1:m
for j=2:N %skip first column
R(i,j)=4*R(i,j-1)*(1-R(i,j-1));
R(i,j)=R(i,j)-0.5;
end
end
- Toeplitz 混沌传感矩阵(B部分)
在B节的开头明确指出,要构建 Toeplitz 矩阵,您应该考虑x
具有给定的单一初始条件的单一序列。所以让我们构建这样的序列:
x=rand();
for j=2:N %skip first element
x(j)=4*x(j-1)*(1-x(j-1));
x(j)=x(j)-0.5;
end
现在,要构建矩阵,您可以考虑:
- 第一行怎么样?好吧,它看起来像序列本身,但是被翻转了(即不是从0到n-1,而是从n-1到0)
- 第一列如何?它是与0到m-2
x
范围内的元素连接的最后一项
然后让我们构建第一行 ( r
) 和第一列 ( c
):
r=fliplr(x);
c=[x(end) x(1:m-1)];
请注意:在 Matlab 中,索引从 1 开始,而不是从 0 开始(所以我们不是从0到m-2,而是从1到m-1)。也end
表示给定数组的最后一个元素。
现在通过查看toeplitz()
函数的帮助,可以清楚地说明您可以通过指定第一行和第一列来构建非平方 Toeplitz 矩阵。因此,最后,您可以构建这样的矩阵:
T=toeplitz(c,r);
如本文所述,这样的矩阵确实会有维度m*N
。
尽管作者将它们都称为 \Phi,但它们实际上是两个独立的矩阵。
他们不采用 Beta-Like 矩阵的 Toeplitz(Toeplitz 矩阵不是某种函数或算子),也没有将 Beta-Like 矩阵转换为 Toeplitz 矩阵。
首先是 Beta-Like 矩阵(即混沌感知矩阵),然后是 Toeplitz结构的混沌感知矩阵:这种结构是 Toeplitz 矩阵的典型结构,即对角线常数结构(对角线上的所有元素都有相同的值)。