题目：压缩感知的常见测量矩阵
下面首先给出十篇参考文献中有关测量矩阵的叙述，然后以一篇硕士论文中对七种常见测量矩阵的描述依据，给出了这七种常见测量矩阵的MATLAB实现代码，以为以后的研究提供一个参考，由于目前还没有一个简单有效的测量矩阵评价方法，因此这里给出的七种测量矩阵的代码的正确性并没有验证。由于本人对乱引参考文献很受伤，经常按照引用的参考文献对应去找原文却找不到，所以这里都是以截图的方式给出，方便到去文献中找到这里的原文内容。
一、参考文献中常见的测量矩阵
[1]喻玲娟，谢晓春.压缩感知介绍[J].电视技术，2008，32(12)：16-18.
[2]李树涛，魏丹.压缩传感综述[J]. 自动化学报，2009，35(11)：1369-1377.
[3]焦李成，杨淑媛，刘芳，侯彪. 压缩感知回顾与展望[J]. 电子学报，2011，39(7)：1651-1662.
[4]石光明，刘丹华，高大化，刘哲，林杰，王良君. 压缩感知理论及其研究进展[J]. 电子学报，2009，37(5)：1070-1081.
[5]李坤，马彩文，李艳，陈萍.压缩感知重构算法综述[J].红外与激光工程，2013，42(z1)：225-232.
[6]党骙，马林华，田雨，张海威，茹乐，李小蓓. m序列压缩感知测量矩阵构造[J]. 西安电子科技大学（自然科学版），2015，42(2)：215-222.
[7]朱志臻，周崇彬，刘发林，李滨兵，张志达. 用于压缩感知的二值化测量矩阵[J]. 微波学报，2014，30(2)：79-83，96.
[8]王学伟，崔广伟，王琳，贾晓璐，聂伟.基于平衡Gold序列的压缩感知测量矩阵的构造[J]. 仪器仪表学报，2014，35(1)：97-102.
[9]张波，刘郁林，王开.稀疏随机矩阵有限等矩性质分析[J]. 电子与信息学报，2014，36(1)：169-174.
[10]王侠，王开，王青云，梁瑞宇，左加阔，赵力，，邹采荣. 压缩感知中的确定性随机观测矩阵构造[J]. 信号处理，2014，30(4)：436-442.
二、常见测量矩阵的MATLAB实现
下面以文献【吴赟.压缩感知测量矩阵的研究[D]. 西安电子科技大学硕士学位论文，2012】为依据，给出文献中2.2节内容所述的六种测量矩阵MATLAB实现代码，仅为一种参考实现方式，还未验证其正确性。
1、高斯矩阵
以下代码生成的高斯矩阵方差为1，若为改为1/M，只须将除以根号M即可。
function [ Phi ] = GaussMtx( M,N )%GaussMtx Summary of this function goes here% Generate Bernoulli matrix % M — RowNumber% N — ColumnNumber% Phi — The Gauss matrix%% Generate Gauss matrixPhi = randn(M,N);%Phi = Phi/sqrt(M);end2、伯努利矩阵
以下代码是按式(2-8)生成的伯努利矩阵，若要按式(2-9)生成则需使用后半部分注释掉的代码即可。注意代码中用到了MATLAB自带的randi函数，若你的MATLAB版本较低，可能要用randint函数代替，后面若用到此函数则一样要注意这一点。
function [ Phi ] = BernoulliMtx( M,N )%BernoulliMtx Summary of this function goes here% Generate Bernoulli matrix % M — RowNumber% N — ColumnNumber% Phi — The Bernoulli matrix%% (1)Generate Bernoulli matrix(The first kind)% 1–P=0.5 -1–P=0.5Phi = randi([0,1],M,N);%If your MATLAB version is too low,please use randint insteadPhi(Phi==0) = -1;%Phi = Phi/sqrt(M);% %% (2)Generate Bernoulli matrix(The second kind)% % 1–P=1/6 -1–P=1/6 0–2/3%Phi = randi([-1,4],M,N);%If your MATLAB version is too low,please use randint instead%Phi(Phi==2) = 0;%P=1/6%Phi(Phi==3) = 0;%P=1/6%Phi(Phi==4) = 0;%P=1/6%%Phi = Phi*sqrt(3/M);end3、部分哈达玛矩阵
人生就是一场旅行，不在乎目的地，
