以前下了一个minL1.m的代码，但是不正确。自己进行了修改，现在可以正确使用。

针对基于L1 范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1 范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1 范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.

该函数利用MATLAB，最L1范数的回归问题问题进行正则化，通过输入参数，对最终的解有一个较好理解，LARS

基于L1范数的k平面聚类算法设计.pdf

行业分类-物理装置-基于四元数与L1范数的粒子群优化灰度图像增强方法.zip

原对偶内点法matlab代码基于 Laplacian 的梯度方法的 MATLAB 实现 一组用于 L1 范数最小化问题的 MATLAB 模块。 特别是，提供了以下论文中的算法： [B19] V. 博尼法奇。 计算优化与应用，2021。 作者：Vincenzo Bonifaci，意大利罗马特雷大学。 基准测试基于 MATLAB 包： 关于 l1benchmark MATLAB 包的更多细节，请参考论文： [YGZ+10] A. Yang、A. Ganesh、Z. Zhou、S. Sastry 和 Y. Ma。 arXiv:1007.3753 [cs.CV] 包含的文件 此集合中包含以下 MATLAB R2020b 模块： compare_noise_free.m — 一个示例驱动程序，用于针对 l1benchmark 套件中的其他方法测试 [B19] 中的方法。 此文件应替换 l1benchmark 发行版中具有相同名称的文件。 请注意，修订版测量目标函数值的差异而不是欧几里得距离以对算法进行基准测试，因此必须对一些原始代码稍作修改。 SolvePGS.m — 来自 [B19] 的原始梯

基于加权l1范数的稀疏信号重建，稀疏信号是带噪声的-Sparse signal reconstruction based on the weighted l1 norm sparse signal with noise

代码是在matlab平台上，可以用于各类的图像处理。求解加权的L1范数。

通过基于L1范数的2D概率PCA进行图像离群值检测和特征提取

利用MATLAB实现了MUSIC算法与基于L1范数的DOA估计算法对比，里面有关于1范数的求解，用到CVX工具箱，凸优化