基于小波SVD的光纤光栅振动系统消噪算法

针对小波阀值法对噪声非均匀分布振动信号消噪差的缺点,提出了奇异值分解(SVD)结合小波阀值消噪的算法.采用截断法构造出包含信号信息及非均匀噪声的相关矩阵并进行SVD,得到一系列正交子空间,将非均匀噪声相对均匀地分解到子空间中.选取奇异值最大的子空间分量重构信号并对此信号进行了小波阀值消噪.结果表明,该方法适用于非均匀噪声干扰下的振动信号提取,与直接小波消噪相比,提取出的信号失真更小,信号有效成份更完整.     

基于优化SVD和平稳小波的复合降噪方法

通过分析奇异值分解(SVD)和小波阈值两种降噪方法的特点,提出了基于优化奇异值分解和平稳小波的复合降噪方法。方法采用统计学习理论的结构风险最小化原则优化确定矩阵有效秩,解决奇异值分解降噪特征值选取困难的问题。针对传统二进离散小波忽略尺度噪声且在奇异点存在振荡效应的不足,运用改进的平稳小波降噪方法对奇异值分解降噪后的信号进行精细处理。通过在不同信噪比条件下与传统离散二进小波进行降噪对比试验,证明了方法的有效性和优越性。     

基于多级SVD算法的电能质量复合扰动特征分析

针对电能质量复合扰动特征量识别难的问题,通过分析复合扰动特点,提出一种基于奇异值分解的多级SVD特征提取方法。在单级SVD分解原理的基础上,利用2行Hankel矩阵实现SVD多层次递推分解,以多分辨率来展现信号不同空间的近似和细节信号。给出多级SVD的分解和重构算法及数学框架。研究结果表明,在对含有多种复合扰动的电能质量信号处理中,经多级SVD分解及相应幅值谱分析后,清晰提取到各种扰动的特征信息,相应地与单级SVD和小波变换进行比较,证明多级SVD在电能质量复合扰动信号处理领域中具有应用前景。     

一类非线性信号去噪的奇异值分解有效迭代方法

对于一类非线性信号的去噪问题,该文提出一种基于奇异值分解(Singular Value Decomposition, SVD)的有效迭代方法。对现有奇异值差分谱方法在两类不同非线性信号上的去噪效果进行了对比,指出在信号不具有明显特征频率、非周期性变化时这一方法并不适用,并分析了现象产生的原因;然后针对该类信号的特点重新定义了Hankel矩阵结构,给出有效奇异值的确定方式,并通过SVD多次迭代过程实现对该类信号的有效去噪。对实际飞行数据去噪的实验结果表明,该方法对提出的一类信号对象不仅去噪效果良好,而且可提高运算效率。     

低轨卫星信号去噪方法

针对低轨卫星通信系统中超宽带信号引入的噪声问题，提出一种基于小波变换以及奇异值分解的去噪方法。对两种经典去噪方法进行结合，以达到更好的去噪效果。仿真结果表明，低轨卫星通信系统中的超宽带信号经过去噪处理后，信噪比得到明显提升。     

基于小波变换的瞬态压应力信号分析

黄土振动压实的压应力信号是一个含噪的非平稳瞬态突变信号.为了分析信号的联合时频特性,提出基于小波变换去噪和奇异值检测的信号分析方法.利用多分辨小波分解,选择性的提取有用频段信号并抑制某些高频段噪声,可以有效实现信噪分离.利用小波变换奇异值分析方法,通过检测小波高频系数时序信号的2种模极大值,可以获得压应力开始出现时刻、抵达峰值时刻点,从而可计算出压应力从出现到抵达峰值的历经时间,这对于进一步研究压应力在土体中的分布和传播规律具有重要意义.     

基于Matlab的小波去噪算法研究

小波阈值去噪是通过小波变换技术将含噪信号分解及重构,通过一个阈值限定小波分解后的小波系数来去除噪声的方法。在小波分析域中分析了传统的软阈值法和硬阈值去噪方法的特点,同时指出传统分析法中存在的缺点,提出了软硬阈值折衷的去噪方法。采用雷达信号用Matlab对去噪效果进行仿真,证明了改进方法的去噪效果优于单纯的软阈值与硬阈值方法。     

一种改进的子空间语音增强方法

提出一种基于奇异值分解的子空间分解语音增强方法,该方法是利用最小值统计噪声估计法代替传统的VAD方法对噪声进行估计,并利用所得噪声和带噪语音构造的协方差矩阵得到纯净语音的协方差矩阵,并将特征值分解的时域约束和频域约束估计方法推广到奇异值分解方法中,通过奇异值分解、重构得到增强后的语音信息.试验表明:该方法具有较好的去噪效果.     

基于小波的输油管道泄漏信号去噪处理

基于小波分析的噪声消除方法,研究负压波法提取泄漏信号的去噪。首先介绍基于小波分析的噪声消除基本原理,然后运用小波方法对实测信号进行具体处理,在信号处理过程中考虑了不同小波基和不同的分解层数对去噪结果的影响。实验证明,合理选择小波基和小波分解的层数,能够有效滤除泄漏信号中的噪声。     

基于小波包分解的图像特征提取及其应用

提出了一种基于小波包分解的提取图像特征的算法,将图像在不同尺度下的小波包变换模极大值组成一个矩阵,采用奇异值分解得到该矩阵的奇异值矢量作为描述信号调制样式的特征向量。该算法克服了传统的通过各种频域变换提取图像特征时对图像特征难以充分描述的不足,提取的特征向量的维数相对不高,便于实现。计算机仿真结果表明,这种方法具有稳健的抗噪性和良好的扩展性。     

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-I型和SVD-II型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.     

基于图像旋转和分块的奇异值分解图像去噪

奇异值分解在图像处理中具有重要应用,针对奇异值分解在图像去噪中存在的问题,提出了分块旋转奇异值分解图像去噪新方法。首先分析了奇异值分解在图像去噪中的应用及对非竖直水平方向信息的图像在去噪时存在的问题;采用图像旋转的方法,将非竖直水平方向信息的图像变为竖直或水平方向信息的图像,较好克服了奇异值分解在图像去噪中的内在问题;对于图像具有的多方向性信息,通过图像分块获得各个图像块的方向性信息,分别对每个图像块进行旋转奇异值分解去噪,获得了最佳的奇异值分解图像去噪效果。仿真结果表明,与传统的奇异值分解去噪算法相比,     

基于改进的奇异值分解的红外弱小目标检测

为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。     

A transcoding-resistant video watermarking algorithm based on corners and singular value decomposition

The singular value decomposition (SVD) mathematical technique provides an elegant method for extracting algebraic features form an image. When a small change is added to singular values, great variance of image doesn’t occur, and singular values in an image are less affected if general image processing is performed. Because singular value matrix of an image has good stability, the watermark can be embedded to this matrix without causing large variation in the stego-image. The reason of causing block effects and flicker in the traditional watermarked video using SVD is firstly analyzed in this paper. Based on the feature of SVD and that human eyes are not sensitive to the changes in corner area of each frame of video, we embed watermark into blocks with corner inside using quantization index modulation. We analyze the validity of the proposed algorithm about synchronizing error, block effects, and flicker. The experiment shows that the proposed approach has an excellent robustness against transcoding and some normal attacks, such as adding noise, re-encoding and so on without causing any block effects and flicker. The result also shows that the correct rate of extracting watermark can achieve 98 % per second.     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

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K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。     

一种基于奇异值特征的神经网络人脸识别新途径

本文在Z Hong等人使用的奇异值分解(SVD)基础上,将人脸图像矩阵的奇异值作为识别特征,解决了奇异值处理、神经网络训练策略和竞争选择问题;运用BP网络进行识别,提出了一种基于奇异值特征的神经网络人脸识别新方法.基于ORL人脸数据库的多次反复实验结果表明,在大样本情况下,识别方法具有实现简单、识别速度快、识别率高的特点,为人脸的实时识别提供了一种新途径.