基于奇异值分解的广义系统迭代学习控制算法

在对广义系统进行奇异值分解的基础上,研究了一类广义系统的迭代学习控制问题.针对快子系统和慢子系统的特点,分别利用状态误差代入输出误差,得到了一类新的广义系统迭代学习控制算法结构,这一算法是全新的.然后从理论上对所提出的算法进行完整的收敛性分析.分析结果表明,满足给定的收敛条件,系统输出可以渐近地跟踪给定的期望轨迹.     

基于低秩表示的光纤环绕制缺陷检测

针对目前光纤绕制缺陷检测方法准确率低,实用性差等问题,提出一种基于低秩表示技术的光纤环绕制缺陷检测方法.首先,利用光纤环图像纹理的重复性和缺陷的局部性特征,将无缺陷的光纤环图像建模为低秩结构,将缺陷建模为稀疏结构.然后,基于低秩表示理论对绕制缺陷检测问题进行模型构建,并利用增广拉格朗日乘子法求解其目标函数,以近似恢复原...     

迭代奇异值分解的学生成绩恢复方法

为了有效地对学生成绩数据进行恢复,提出一种迭代奇异值分解的学生成绩恢复方法。该方法采用矩阵表示学生成绩,利用该矩阵具有低秩的特性,在给定缺失元素的初始值后,利用奇异值分解得到缺失元素的近似值,而该近似值比初始值更加接近真实值。再将求到的近似值代替初始值,经过多次迭代,最终可求到成绩表中缺失元素的真实值。该方法的优点是在缺失元素恢复过程中,利用了所有已知元素信息,并将所有已知元素平等地对待。模拟实验和真实实验结果表明该方法能够快速、精确地恢复出学生的真实成绩。     

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.     

基于非局部双边随机投影低秩逼近图像去噪算法

该文提出一种基于非局部双边随机投影的低秩逼近图像去噪新方法。首先,对每个图像块通过非局部搜索寻找相似匹配块簇,然后对相似匹配块簇进行双边随机投影,用投影后的低秩结构恢复原图像。实验结果表明,所提方法比奇异值分解方法有较低的计算复杂度,比单边随机投影方法有较小的重构误差。特别是和3维块匹配方法相比,所提方法能保持相近的信噪比和较好的视觉质量。     

基于奇异值分解的图像去噪

提出了利用奇异值分解去除图像噪声的方法。从矩阵的角度出发,通过对图像矩阵进行奇异值分解,将包含图像信息的矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过有效奇异值重构图像矩阵达到去噪目的。试验利用MATLAB通过对MRI(核磁共振)医学图像进行去噪处理,验证了奇异值分解的去噪效果,并且通过对多幅图像的试验结果进行分析,得到了去噪重构图像时所需有效奇异值数目的统计值。     

基于低秩稀疏分解的红外弱小目标检测算法研究进展

红外探测系统具有隐蔽性好、抗干扰能力强等特点,广泛应用于军事和民用领域,红外弱小目标的检测是红外探测系统中的重要组成部分,已成为了当前的研究热点。近年来,学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果,为此,重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束,其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束,然后分析了联合时域信息约束,将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比,最后讨论了该领域下一步的研究方向。     

基于奇异值分解的图像匹配方法

传统的图像匹配方法中, 由于实时图和参考图之间存在着灰度差异和几何形变,仅用灰度作为特征进行匹配算法的性能很容易受到影响。文中提出了一种基于奇异值分解的图像匹配方法。该方法首先利用奇异值分解方法,求出模板图像矩阵的奇异值及奇异值向量,用它们作为模板图像的特征代替传统算法中的灰度对两幅待匹配图像进行全局搜索定位。由于奇异分解方法所特有的优越性,匹配实验取得了良好效果。实验结果验证了该方法的有效性。     

基于广义低秩矩阵分解的分离字典训练及其快速重建算法

针对传统压缩感知重建算法存在重建质量偏低、重建时间偏长等问题,本文提出了一种基于分离字典训练的快速重建算法.首先选取某类图像作为训练集,建立其广义低秩矩阵分解模型;其次采用交替方向乘子法求解该模型,训练出一组分离字典;最后将该分离字典用于图像重建中,通过简单的线性运算实现图像的快速重建.实验结果表明,本文算法相比于传统的重建算法,针对训练集同类图像,具有十分显著的重建性能,对于其他不同类型的图像,依然有不错的重建质量,极大地降低了重建时间.     

基于低秩矩阵近似的低噪宽幅热红外成像技术

为解决强背景弱信号场景下热红外成像系统噪声制约图像信噪比的问题,提出了一种基于低秩矩阵近似理论的低噪宽幅热红外成像技术.利用面阵摆扫方式实现宽幅扫描成像并构建严格的观测矩阵,通过加权核范数最小化方法求解去噪的低秩矩阵形式.试验证明该技术具有较高的峰值信噪比与降噪鲁棒性,在宽幅成像的同时也提高了探测灵敏度.研究成果在红外弱目标识别、广域侦查等领域具有一定应用价值.     

基于奇异值分解的低轨星载双基调频连续波SAR成像方法

该文基于调频连续波(FMCW)信号对低轨星载双基合成孔径雷达(SAR)的成像方法进行研究。星载双基模型具有收发异置、结构灵活的特点,其非线性运动轨迹和双斜距不利于信号频谱的推导和分析。通过引入一个4阶多项式斜距模型对回波信号进行建模,接着用级数反演法得到信号两维频谱的表达式。详细分析高阶多项式系数的空变影响。对距离徙动项进行频域处理,对方位相位采用奇异值分解(SVD)的方法,将方位空变项与多普勒分离开,并引入非线性方位变标函数,通过两次连续的插值和重采样完成方位聚焦。仿真结果证明了该算法的有效性。     

一种基于矩阵低秩近似的聚类集成算法

 首先将聚类集成问题归结为直观的最佳子空间的求解问题;随后根据线性代数理论将该问题描述为带约束条件的优化问题,通过放松离散约束条件进一步约简为矩阵低秩近似问题;最后通过求解超图的加权邻接矩阵的奇异值分解问题获得最佳子空间的一组标准正交基.据此,设计了一个基于矩阵低秩近似的算法,该算法根据每个对象在低维空间下的坐标使用K均值算法进行聚类,从而得到最终的结果.在多组基准数据集上的实验结果表明:较之于传统的聚类集成算法,本文的算法获得了更好的聚类结果,且效率较高.     

基于奇异值分解的半易损水印算法

随着数字图像在报刊杂志、医院、法庭中的广泛应用，越来越需要一种有效的图像认证方法，数字水印技术为上述问题提供了一个潜在的解决方案。本文提出了一种基于分组奇异值分解（SVD）的半易损水印技术，算法将经过伪随机排序的二值图像通过量化策略嵌入到分组SVD分解中最大的奇异值点，提取水印信号无需使用原始图像。仿真实验表明水印是不可察觉的，可将JPEG有损压缩同恶意攻击区分开来，能够准确地定位被篡改的图像内容。     

非零奇异值和频率的关系及其在信号分解中的应用

研究了Hankel矩阵方式下确定性信号的非零奇异值和信号所含频率数量之间的关系,发现只要矩阵维数大于信号中频率数量的二倍,此后不管维数再怎样增大,非零奇异值的数目始终维持为信号中频率数量的两倍不变.研究了非零奇异值和单个频率之间存在的对应关系,提出利用奇异值分解来分离单个的频率成分,发现了奇异值分解分离单个频率成分的条件,在这种条件下奇异值分解可以准确地分离出任何的单个频率成分.利用奇异值分解的这一特性对轴承振动信号进行特征提取,分离出了轴承各个振动频率清晰的时域波形,由此准确地揭示了轴承的实际振动状态.     

奇异值分解的HB加权广义互相关时延估计

传统广义互相关时延估计技术是直接基于测量数据,其精度受环境噪声及异常值波动影响显著下降。针对上述问题,提出了一种新的时延估计算法,即奇异值分解的HB(Hassab-Boucher)加权广义互相关法。首先,将接收到的信号进行奇异值分解处理,抑制环境噪声的影响并提高信号的信噪比;其次,采用降噪后的信号进行互功率谱计算时引入HB加权函数,达到锐化互相关函数峰值的目的;最后,在时延初值未知的情况下,提出了一种基于中位数与平均数结合的时延后处理方案,去除时延估计结果中的异常值波动,得到最优时延估计值。仿真实验结果表明,在低信噪比条件下,与传统的广义互相关和基于奇异值分解的广义互相关参考方法相比,本文提出方法的异常点百分比和均方根误差更低,时延估计正确率更高。      

基于频域奇异值分解的LPI雷达信号降噪

随着低截获技术在战场上的大量使用,侦察接收机接收到的低截获（LPI）信号大多都湮没在噪声中。为了准确地检测威胁目标,在研究时域奇异值分解（SVD）降噪的基础上,提出了基于频域SVD的LPI雷达信号降噪方法。仿真实验表明,该方法可以将LPI雷达常用的线性调频连续波（LFMCW）信号和二相编码（BPSK）信号的信噪比从0 dB提升到6 dB以上。频域SVD降噪使侦察机发现LPI雷达的概率大大提高。     

基于矩阵分解和非凸秩近似的低秩表示算法

针对低秩表示模型的一般求解算法存在针对核范数存在近似矩阵秩不精确的问题,用矩阵分解技术与对数行列式函数替代矩阵核范数来近似矩阵秩函数。提出了基于矩阵分解和非凸秩近似的低秩表示模型,并设计了一种交替方向乘子法求解,最后用谱聚类方法进行聚类,通过数值实验对比,证明提出的算法有效性。     

基于奇异值分解的向量替换数字盲水印

文章在分析图像的奇异值分解特性的基础上,提出了一种基于奇异值分解的载体奇异向量与水印奇异向量替换的盲水印算法。将载体图像分块进行奇异值分解,用水印分块奇异值分解的左右奇异向量和奇异值向量替换载体的对应向量。根据载体与水印的大小关系将水印循环嵌入,提取时进行平均判决。算法简单易于实现,提取的水印相似度高,可应用于高品质图像的版权保护与认证。     

基于奇异值分解与安全Hash函数的图像认证方法

为了提高图像认证系统的安全性和不确定性,有效抵抗合谋攻击,提出了一种基于奇异值分解的半易碎水印算法。该算法利用基于信息-摘要算法5(MD5)的哈希函数对水印图像进行置乱加密。实验结果表明该算法对图像篡改具有较强的敏感性,对中值滤波、JPEG压缩等图像处理也有一定的抵抗能力,认证过程需要密钥才能完成,提高了安全性。     

基于奇异值分解图像压缩算法的研究

提出了一种奇异值分解（SVD）的图像压缩算法,该算法通过对数字图像矩阵进行奇异值分解,将一幅图像转换成包含几个非零值的奇异值矩阵,实现图像压缩,便于图像的储存和传输。MATLAB仿真分析表明,矩阵的奇异值分解压缩方法具有较好的压缩性能,有效提高了压缩比。