bregman信号恢复算法

function [xx_wtimesnrsnr_loop]=SplitBregmanCosparse（yAOmegaparams）% use in image
%The function solves problem:
%                             sol=argmin_x||W.*Omega*x||_1  s.t.
%                             ||y-Ax||_2<=epsilon
%Using Split Bregman to solve this problem by convert into unconstrainted
%form:
%                sol=argmin_x||W.*Omega*x||_1+mu/2*||y-Ax||_2^2
%reference to BregmanCookbook chapter5
%input: y is the mixing signalM*T
%       A is the mixing matrixM*Nhere it is a eye matrix
%       Omega is the analysis operator 
%       params.mu is the fidelity term‘s weight param in the objective
%       params.it is the max number ot iteration of SB algorithm
%       params.tol is about the stopping criterion below:
%       norm（sol（:）-sol_pre（:）1）/norm（sol_pre（:）1）>tol
%       params.lambda is the penalty function weight param in iteration
%
%output: sol is the solution of the problem use Split Bregman algorithm
%        sol_w is the solution of the problem use weighted Split Bregman algorithm
  
%initiation
mu=params.mu;
lambda_1=params.lambda_1;
lambda_2=params.lambda_2;
it_SB=params.it_SB;
tol_SB=params.tol_SB;
if isfield（params‘W_method‘）  %如果符合，返回逻辑1.
   W_method=params.W_method;
else                          %否则，其他.
   W_method=‘W1‘;
end
%初始化
epsilon=10;
[MN]=size（A）;
sb=size（y2）;% # of sampling bins
u=zeros（size（A2）sb）;
d=zeros（size（Omega*u））;
b=zeros（size（Omega*u））;
temp1=inv（mu*A‘*A+lambda_1*Omega‘*Omega）;
temp2=mu*A‘*y;
%迭代   更新顺序：u-d-b.
K=0; T=0;
weights=1;
x_pre=u;
it_T=100;
while T    T=T+1;
    tic;
    while K        K=K+1;
        u_pre=u;
        if isfield（params‘x_t‘） && T==2
            x_t=params.x_t;
            snr_loop（K）=20*log10（norm（x_t）/（norm（u_pre-x_t）））;
        end
        u=temp1*（temp2+lambda