基于EMD和奇异值分解技术的滚动轴承故障诊断方法

提出了基于EMD(Empirical mode decomposition)和奇异值分解技术的滚动轴承故障诊断方法。采用EMD方法将滚动轴承振动信号分解成若干个基本模式分量(Intrinsic mode function,IMF)之和,并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为滚动轴承振动信号的状态特征向量,通过建立Mahalanobis距离判剐函数判断滚动轴承的工作状态和故障类型。实验数据的分析结果表明,本文方法能有效地应用于滚动轴承故障诊断。     

基于二次奇异值分解和VPMCD的故障诊断方法

奇异值分解( SVD)在信号分析时需限定主特征值的数量,影响了故障识别的准确性。为此,提出一种新的故障诊断方法。利用奇异值曲率谱自适应选择有效的奇异值进行信号重构,对重构信号实现二次SVD处理,产生相同数量的正交分量,然后求解各正交分量的能量矩,构造特征向量,并采用变量预测模型的分类识别方法分析特征向量,从而建立故障识别模型。将该方法应用于实际轴承的故障诊断,实验结果表明,轴承在正常和故障状态下,该方法的综合识别精度达到97.5%,高于常规基于SVD和支持向量机的方法8.75%。     

基于奇异值分解的图像压缩技术

为获得比较理想的图像压缩比和清晰的压缩后图像,使用了奇异值分解作为数据矩阵的压缩原理.详细解析了奇异值分解的原理及用奇异值分解压缩图像的原理.提出了按特征值个数占比阈值、按特征值之和占比阈值两种取特征值个数的方法.实验表明,特征值个数占比阈值在0.1时,图像清晰且压缩比达到5.99;特征值之和占比阈值在0.85时,图像...     

一种基于奇异值分解的数字水印算法

数字水印的出现为版权保护提供了一种新的解决途径。提出了基于奇异值分解(Singular Valuc Dccomposition)的数字水印算法。图像奇异值分解(SVD)有以下性质：分解后图像矩阵的奇异值集中反映了图像的“亮度”(能量)特性，而对应的奇异矩阵只反映了图像的“几何”特性。因而奇异值的细微变化不会影响图像的视觉效果。对图像分块并做奇异值分解，在奇异值域做数学变换以嵌入lbit的二值水印信息。该算法不同于别的算法的一个优点是：水印的提取是“盲提取”，即水印的提取不需要原图像参与。     

基于奇异值分解的彩色图像数字水印算法

提出了一种基于奇异值分解的彩色图像数字水印算法,嵌入和提取水印均在RGB分量的空间域内进行。仿真结果表明,该算法不仅对几何失真具有很强的抵抗能力,而且对添加噪声、滤波及JPEG压缩也具有良好的鲁棒性。     

基于奇异值分解的固定区间平滑新方法*

本文提出一种基于奇异值分解（ＳＶＤ）的固定区间平滑新方法，该方法基于Ｒａｕｃｈ－Ｔｕｎｇ－Ｓｔｒｉｅｂｅｌ固定区间平滑方法，利用奇异值分解作为计算工具，将原算法中协方差阵进行奇异值分解，不仅具有很好的数值稳定性和鲁棒性，而且避免了矩阵的求逆，此外，采用ＳＶＤ分解，具有明显的物理意义。仿真计算结果证明了本文方法的有效性和优越性。     

基于奇异值分解的中文Ontology自动学习技术

语义Web是一个美好的构想，Ontology在语义Web中起着举足轻重的作用，它不仅能为人类用户而且能为软件agent提供从语法层次到语义层次上的互操作性。目前Web上主要是各种布局的HTML文档，未来的语义Web页面将是各种领域Ontology的实例以及到其它实例上的链接，因此语义Web的成功强烈依赖于Ontology的增殖，方便快捷地构造各领城Ontology是实现语义Web的关健。该文提出一种基于奇异值分解的中文Ontology自动学习技术，这种技术的特点是其简易性以及准确的数学理论基础。     

基于奇异值分解和Savitzky-Golay滤波器的信号降噪方法

为降低信号中噪声的干扰,将奇异值分解(SVD)理论和Savitzky-Golay滤波器相结合提出了一种新的降噪方法。该方法首先分析了信号负熵随信噪比变化的规律,而后通过将负熵作为降噪效果的评估参数,确定了SVD降噪过程中构造的Hankel矩阵的最优维数;其次采用Savitzky-Golay滤波器对用于重构信号的奇异值进行了平滑滤波处理,并分析了Savitzky-Golay滤波器结构对降噪效果的影响,最后通过定义误差函数确定了Savitzky-Golay滤波器的最优结构。将该方法应用于线性调频信号和多成分周期信号的降噪实验,结果表明:基于SVD和Savitzky-Golay滤波器的降噪方法能有效降低噪声干扰,是一种有效的信号降噪方法。     

基于奇异值分解的电感式磨粒传感器信号降噪方法研究

利用奇异值降噪技术对含有系统噪声的电感式磨粒传感器测试信号进行处理.针对奇异值降噪中轨道矩阵最优重构阶次难以有效确定的问题,提出一种基于噪声阈值和奇异值聚类的重构阶次确定方法.首先由含噪信号轨道矩阵的嵌入维数和噪声方差确定奇异值的噪声阈值,得到重构阶次的上限;然后依据信号奇异值分布离散,噪声奇异值分布集中的特点,对大于噪声阈值的奇异值进行聚类分析,进一步确定轨道矩阵的重构阶次.仿真和实测信号降噪效果表明,该降噪算法能显著改善含噪信号的信噪比,降噪后的信号具有较小的峰值误差,适合电感式磨粒传感器信号的降噪.     

基于奇异值分解的数字图像水印算法

奇异值分解（Singular Value Decomposition,SVD）是一种特殊的矩阵分解技术。图像的奇异值具有很好的稳定性,体现的是图像的内蕴性质,这使得它在图像水印领域得到了广泛应用。通过回顾空域和变换域中经典的基于SVD的水印算法,分析了算法的缺陷,讨论了现有的改进方案,提出了基于奇异值分解设计水印算法的注意事项。     

A content-based image authentication scheme based on singular value decomposition

In this paper, we propose an image authentication scheme in which image features are embedded for copyright protection and content-tampering detection. The features are based on the invariance of the relationship among SVD coefficients. The proposed method is sensitive to malicious manipulations and robust to lossy compressions or regular image operations, such as brightening, shifting, averaging, rotation, and so on. Several experiments demonstrated that the proposed scheme could efficiently detect locations which have been tampered with and effectively resist several types of attacks. Moreover, stego images based on our proposed method have high visual quality. The text was submitted by the authors in English. Tzu-Chuen Lu received the B.M. degree (1999) and MSIM degree (2001) in information management from Chaoyang University of Technology, Taiwan. She received her Ph.D. degree (2006) in computer engineering from National Chung Cheng University. Her current title is an Assistant Professor in Departament of Information Management from Chaoyang University of Technology. Her current research interests include data mining, image retrieval, image authentication, information hiding, and knowledge management. Chin-Chen Chang received his B.S. degree in applied mathematics in 1977 and the M.S. degree in computer and decision sciences in 1979, both from the National Tsing Hua University, Hsinchu, Taiwan. He received his Ph.D. in computer engineering in 1982 from the National Chiao Tung University, Hsinchu, Taiwan. From August 1995 to October 1997, he was the provost at the National Chung Cheng University. From September 1996 to October 1997, Dr. Chang was the Acting President at the Nationa Chung Cheng University. From July 1998 to June 2000, he was a director of the Ministry of Education of China. In addition, he has served as a consultant to several research institutes and government departments. His current research interests include database design, computer cryptography, image compression and data structures. Yi-Long Liu received the B.S. degree (2002) in the Department of Mathematics (Applied Mathematics Section) from the College of Science and Engineering at Fu-Jen Catholic University, Taiwan. Liu is now a Master student in National Chung Cheng University and is studying in the domain of image processing. His current research interests include data hiding, data compression, and progressive image transmission.     

基于SVD的成长性人脸识别研究

为提高人脸识别率,设计了基于SVD的成长性人脸识别方法.该方法将人脸识别从图像扩充到视频领域,通过不同尺度对人脸进行划分和特征提取,从而得到人脸的多尺度特征,分层次进行多尺度特征匹配,利用特征的可分辨度对各帧特征进行比较,并通过对应位置寻优累积特征,使人脸识别具有成长性.实验结果表明,基于SVD的成长性人脸识别方法通过一定的时间累积可以达到100%的识别率,具有良好的应用价值.     

基于奇异值分解的彩色图像水印算法

针对基于量化的嵌入方法不能抵抗亮度增强等攻击而基于关系的嵌入方法抵抗常见的攻击能力较弱等缺点, 提出了一种混合量化和关系嵌入方法的彩色图像水印算法。该算法先对彩色图像的每一分量进行互不重叠的大小为8×8的分块, 借助密钥选取待嵌入水印的分块并对选取的分块进行1级离散小波变换和分别对低频子带与高频子带进行奇异值分解, 在低频和高频子带奇异值分解后的奇异值矩阵分别采用量化和关系的嵌入策略嵌入预处理后的水印。实验表明, 该算法实现简单, 具有较好的不可见性。与其他算法相比, 该算法具有更好的鲁棒性能。     

一种基于奇异值分解的视频运动分割算法

视频全局运动（摄像机运动）所表现的视频序列之间的时间相关性,较其它视频特征更能表达视频序列的高层语义信息。为了能够有效快速的得到视频的全局运动,通过对视频分割技术的研究,提出了一种新的基于奇异值分解（SVD）的视频全局运动分割方法。该方法首先得到视频的切片图像,再利用奇异值分解（SVD）得到切片图像的方向图,然后统计切片方向图中每一行的角度直方图,最后根据摄像机不同运动类型对应的直方图模型,得到视频的运动分割结果。实验结果表明,所提出方法能够较准确的分割摄像机的运动,同时大幅度提高了分割速度。     

基于奇异值分解的伪光谱图像压缩算法

提出了一种光谱图像的快速获取和有效压缩算法。将一幅三原色图像转换为光谱图像,其像素被通过查找光谱调色板后所确定的相应的光谱反射因子取代,该反射因子的色度值与原像素最为接近。此时转换所得的图像并没有真实光谱数据而只有基于调色板的伪光谱值,它可用于模拟原始RGB图像在不同光源条件下的颜色外观。奇异值分解法对于光谱图像的压缩是非常有用的,人们可以对局部子块图像中经过重新排列后的36个像素×36个光谱波段的数据运用该方法,以能够充分利用矩阵数据在空间和光谱分布中的强相关性。实验结果表明,基于奇异值分解的光谱图像压缩算法在较高的压缩比下仍能取得很好的光谱重建效果。     

基于信噪比经验值的奇异值分解滤波门限确定*

针对奇异值分解滤波器（SVDF）现有的奇异值截断准则之不足,提出了一种基于信噪比经验值的SVDF滤波门限确定新方法。推导了门限值与信噪比之间的数学关系。实验结果证实了该滤波消噪算法的有效性和合理性。与现有方法相比,消噪效果得以明显改进;而且原理清晰,实现简单。     

一种基于SVD的LTE系统信道估计算法*

针对长期演进系统中采用块状导频的上行物理信道,提出了一种基于奇异值分解的频域插值算法.与传统的插值算法相比,该算法利用上行物理信道的信道矩阵在时域与频域的变换关系,通过矩阵运算理论推导出导频符号对数据符号的插值实现公式,适用于上行各种导频分布样式.仿真结果表明,该算法在不增加实现复杂度的情况下,可以保证优良的信道估计性...     

联合非下采样Contourlet变换与奇异值分解的多水印算法

为解决最近报道的Contourlet变换域基于奇异值分解的水印算法存在的高虚警率问题, 提出一种多水印算法。对Arnold置乱后的水印图像进行奇异值分解, 将其中一个正交矩阵嵌入原始图像非下采样Contourlet域的两个高频方向子带中, 并利用奇异值来调整原始图像非下采样Contourlet域剩余子带的系数矩阵, 通过逆变换得到含水印图像。抽取水印时首先计算从待检测图像抽出的正交矩阵和真实水印正交矩阵的相似度, 与阈值进行比较, 以决定抽取过程是否进行。由于非下采样Contourlet变换的高冗余性, 最终可抽取出多个水印图像。实验表明, 算法较好地克服了高虚警率问题。一系列的攻击实验证明算法具有较好的鲁棒性。     

一种新的基于奇异值分解的小波域盲水印*

目前,如何增强鲁棒性水印抵抗几何攻击尤其是旋转攻击的鲁棒性,仍是水印研究者研究的难点。为此,结合奇异值分解的特性和小波变换的优点,提出一种新的基于奇异值分解的小波域盲水印算法,对于常见的几何攻击具有很强的鲁棒性。首先对小波分解后的低频子带分块以提高水印的嵌入容量,再对各子块进行奇异值分解,将Arnold置乱后的水印嵌入到奇异值中,并使用量化方法增强水印的鲁棒性。实验表明,该算法对于常见的几何攻击特别是旋转攻击具有很强的鲁棒性,也能够抵抗JPEG2000压缩等信号处理。     

两种基于奇异值分解的图像水印算法的比较研究

奇异值分解在图像水印算法中有着广泛的应用,但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。