一种联合地基GNSS和测高仪数据的电离层层析成像新算法

电离层层析成像(computerized ionospheric tomography, CIT)技术是获取区域大范围电离层三维结构非常重要的手段之一.针对单独使用地基GNSS进行三维CIT的不足,提出了一种联合地基GNSS和测高仪数据的三维CIT方法,其综合了测高仪探测电离层垂直分辨率较高和地基GNSS水平分辨率较高的优点,以测高仪数据驱动更新IRI模型,将更新后的IRI模型作为背景电离层模型,再利用改进的代数重建迭代(algebraic reconstruction technique, ART)算法结合地基GNSS TEC数据进行CIT;基于IGS、中国陆态网地基GNSS台站及全球电离层无线电观测网(global ionospheric radio observatory, GIRO)测高仪数据实现了中国及周边区域三维CIT,分别采用Madrigal TEC数据和中国区域独立的测高仪数据对CIT获取的TEC和电子密度进行评估.TEC精度评估结果表明,CIT算法的TEC平均误差和标准差相比IRI模型及CODE GIM数据均有明显降低;电子密度评估结果表明,单纯依赖地基GNSS进行C...     

基于BDS/GPS数据的中国及周边地区电离层暴层析成像研究

随着我国BDS的逐步建成,其在电离层监测上的应用也在逐步拓展. 凭借卫星类型多样性的特点,BDS卫星数据在电离层监测上可能比GPS卫星带来更多的优势,但能否改进电离层层析成像结果仍值得进一步研究. 文中基于GPS数据电离层层析算法,把BDS中的地球同步轨道（geosynchronous orbit, GEO）卫星、倾斜地球同步轨道（inclined geosynchronous orbit, IGSO）卫星和中轨轨道（medium earth orbit, MEO）卫星数据与GPS数据融合,对2017-09-07—09电离层暴期间中国及周边地区（15～55°N, 70～140°E）上空电离层进行重构. 首先借助SA418和WU430测高仪数据分别讨论了单星座（GPS）与双星座（GPS+BDS）层析对电子密度反演的精度结果;其次对2017-09-08两个扰动最强烈时段的电离层成像结果,包括电子密度剖面图与总电子含量（total electron content, TEC）分布图进行深入研究. 研究结果表明:BDS卫星数据不仅可以改进垂向精度,还可以提高对电离层异常结构的反演精度,融合了BDS数据的电离层层析技术能较为准确地重构出本次电离层暴期间出现在中低纬度的等离子体泡.     

一种基于共轭梯度的正则化OT图像重建算法

文章基于OT扩散方程模型提出了一种正则化共轭梯度OT图像重建算法，通过引入图像熵和局部平滑函数为正则化项以克服重建问题中的病态特性。与简单的共轭梯度重建算法相比，重建图像的MSE值分别为0．4413^＊10^-4和0．4819^＊10^-4。研究表明，正则化的OT图像重建算法能有效降低重建中的病态性，提高图像重建质量。     

电离层电子密度剖面EoFs解析研究

离子密度随高度的解析展开是电离层物理模式参数研究中的一个关键技术.用经验正交函数分析了(EoFs)电离层电子密度剖面解析中的应用,研究并给出了利用EoFs进行电离层电子密度剖面解析展开和剖面重构的算法.以海口站(20°N,110.3°E)为例,给出了电子密度剖面解析与重构算法的应用实例,分析结果表明数值解析的重构剖面与模式计算结果有很好的一致性.     

一种基于奇异值分解的解相干算法

该文针对稀疏重构解相干问题,利用接收数据厅奇导值分解(SVD)后的大特征值对应的特征矢量,提出一种改进解相干方法。该方法通过迭代这一特征矢量来重构角度,无需知道信号源的数目,即可准确重构角度信息,实现解相干。相对于经典SVD算法,所提算法运算速度更快,稀疏重构效果更优。理论分析和仿真结果都验证了算法的良好性能。     

一种基于广义奇异值分解的语音增强算法

广义奇异值分解的单通道语音增强算法在加性噪声为白噪声的情况下,效果比较理想.加性噪声为有色噪声的情况下,通常用一种基于熵奇异值分解(QSVD)的方法来处理.对QSVD算法进行衍生,首先提出了一种基于广义奇异值分解的子空间语音增强算法(GSVD).为了处理低信噪比时残留的音乐噪声,结合入耳的听觉掩蔽效应,进一步提出了一种基于感官抑制的GSVD(PCGSVD).试验结果显示,PCGSVD算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法.     

一种改进的基于奇异值分解的星图识别算法

星敏感器是高精度的姿态测量部件,在各种航天、航空飞行器的姿态测量或控制系统中发挥着关键作用。作为星敏感器的核心技术,可靠、快速和高精度的星图识别算法一直是重要的研究课题。论文对星图识别算法进行研究。针对基于奇异值分解的星图识别算法可能出现的由于视轴不连续所造成的全天区覆盖率较低问题,提出了一种改进的基于奇异值分解的星图识别算法,详细阐述了各部分算法的设计思想。论文最后在JDK5.0开发环境中用JAVA语言实现了改进算法,并与传统的三角形算法的性能进行了比较详尽的对比。     

基于组稀疏正则化的荧光扩散层析成像重建

针对荧光扩散层析成像中荧光光源的定位误差较大和形态学信息不完整的问题,提出一种基于组稀疏正则化的同时代数重建技术(GSR-SART)算法.该算法利用图像的非局部自相似性和局部稀疏性构造自适应相似组;然后,将相似组作为基本单元,学习自适应字典;最后,采用迭代收缩阈值算法求解目标函数.实验结果表明,所提算法在峰值信噪比和方...     

一种基于局部结构的改进奇异值分解推荐算法

基于奇异值分解(Singular Value Decomposition, SVD)的推荐算法,在预测准确性、稳定性上具有明显优势,但在用随机梯度下降法求解过程中误差下降速度逐渐变慢、迭代次数较多,这极大限制了其在实际项目中的应用.针对这个问题,该文利用评分矩阵的差分矩阵来表征局部结构信息,并作为新的目标函数来优化 SVD 推荐算法.在 MovieLens 和 Netflix 数据集合上的实验结果表明:与经典 SVD 算法相比,该优化算法能够用更少的迭代次数得到更准确的预测结果;与当前的其他算法相比,该优化算法在预测准确性上仅次于 SVD++,在训练时间上具有显著优势.     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。     

一种基于奇异值分解的SAW传感器频率估计算法

在声表面波(SAW)谐振式无线传感器的频率估计中,该文提出了一种奇异值分解(SVD)与快速傅里叶变换(FFT)相结合的频率估计算法。首先采用重复采样的方法对无线SAW谐振器回波信号进行提取,然后在FFT之前利用SVD法去除回波信号中的白噪声,最后通过高斯曲线拟合法对FFT算出的频率进行校正。运用该算法得到的频率均方误差为1.53×103,而直接用FFT算法均方误差为2.38×10~3,均方误差减小了55%。可见,利用该SVD与FFT相结合的频率估计算法在准确度、稳定性方面都有很大改善,且该算法操作简单,易于实现。     

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。     

一种基于小波奇异值分解的仿生模式虹膜识别算法

本文给出了一种基于仿生模式识别理论的虹膜识别算法,该识别算法首先进行虹膜的边界定位、归一化及有效区域的选择,并采用Daubechies-4小波变换及奇异值分解的方法进行虹膜特征的提取,最后利用基于超香肠神经元的双权值神经网络对同类虹膜样本构建出了其对应的高维闭合空间覆盖面.在中科院自动化所的虹膜数据库( CASIA v...     

一种基于混沌映射和奇异值分解的数字图像水印算法

为了保证数字图像水印的安全性、透明性和鲁棒性,本文提出了一种基于混沌映射和奇异值分解的数字图像水印算法。混沌映射具有初值敏感性,以映射初值为私钥,利用混沌映射将二值水印图像进行双混沌置乱,这样可以提高水印嵌入的安全性。利用奇异值分解特性来嵌入水印,把U矩阵中第一列系数作为研究对象,采用保持相邻系数之间差值关系的方法来表示嵌入的水印比特,这种系数差值关系在经过信号处理后能够得到保持。通过仿真实验,表明嵌入水印后的图像具有良好的透明性,同时还具有抵抗图像信号处理的鲁棒性。此外,当含水印图像的内容遭到篡改时,提取出的水印仍易于辨认,并且能对篡改进行检测和定位。      

一种修正的矢量奇异值分解DOA估计算法

在均匀线性阵列模型下,特征矢量奇异值分解算法能够对相干信号进行DOA估计,但相干和不相关信号同时存在时,算法的估计会出现错误。针对这一问题,提出了一种修正算法(MESVD),该算法选取经过加权处理的特征向量来构造矩阵,并利用该矩阵进行子空间估计。理论分析和数值仿真证明:修正后的算法能够正确估计相干、相关和不相关信号,估计性能与空间平滑算法(FBSS)相当。     

基于奇异值分解的灰度水印算法

提出了一种基于离散小波变换和奇异值分解的灰度水印算法.首先在嵌入前对水印做Arnold置乱处理,然后对置乱后的水印图像及其原图像进行离散小波变换分解,同时保留小波分解后水印的高频系数,并在水印检测过程中作为密钥使用.最后对原图像小波变换后的中低频系数进行奇异值分解(SVD),并把相应的水印嵌入其中.实验结果表明,上述算法能够经受住剪切、噪声、滤波、压缩等处理,具有很强的鲁棒性.     

一种基于奇异值分解的特征抽取方法

特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正交性。由此提出了均衡散布矩阵的概念,并利用均衡散布矩阵构造了一种新的线性鉴别准则。利用奇异值分解定理,将求取鉴别矢量转化为对矩阵求奇异向量。用该方法进行求解可以有效地避免前述的问题。试验结果表明,该鉴别准则具有良好的鉴别能力。     

利用奇异值分解快速计算单站RCS的算法

在特征基函数方法中,应用多层奇异值分解技术,由空间各个角度入射的一系列平面波谱生成的初次特征基函数构造出与入射角度、极化方式无关的正交特征基函数组,通过该组基函数的不同线性组合,求出平面波以任意角度照射下金属目标的表面电流分布,进而实现金属目标单站RCS曲线的快速计算。文中结合物理光学法和二叉树动态存储技术,进一步降低存储需求和初次基函数的计算时间。数值算例表明本文方法的正确性和高效性。     

基于周期截断数据矩阵奇异值分解的干扰抑制技术

针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。