clear
% simple testing CS reconstruction capabilities
% parametry
N=128; %liczba próbek sygnału rekonstruowanego
K=20; %liczba niezerowych próbek sygnału rekonstruowanego
P=3.5; %mnożnik liczby pomiarów
% sygnał (informacja)
x=[rand(1,K) zeros(1,N-K)]';  
x=x(randperm(N));  % generacja sygnału X (losowo rozrzucone K wartości niezerowe
figure; plot(x);
% pomiar
m=floor(P*K); %liczba pomiarów
Phi=randn(m,N)/sqrt(m);aPhi=Phi'; %ustalenie losowej macierzy pomiarowej          
y=Phi*x; %symulacja pomiarów; y - wektor wielkości pomiarzonej
% rekonstrukcja określoną metodą
nx=cspocs_K(Phi,aPhi,K,y,10000); %CS_L0 niewypukła symulacja z twardym progowaniem (zachłanny)
mx=cspocs_l1(Phi,aPhi,norm(x,1),y,10000); %CS_L1 wypukła optymalizacja (programowanie, miękkie progowanie)
lx = lp_re(Phi,y,1); %CS_LS iteracyjnie ważona metoda najmniejszych kwadratów (zachłanny) 
[fx,That]=SPnew(K, Phi, y);

hold on; 
plot(nx,'ro'); plot(mx,'bo'); plot(lx,'go'); plot(fx,'mo');

RMSEn = sqrt(mean((x - nx).^2))
RMSEm = sqrt(mean((x - mx).^2))
RMSEl = sqrt(mean((x - lx).^2))
RMSEf = sqrt(mean((x - fx).^2))