MRSVD敏感分量在单频周跳探测修复中的应用

准确探测微小周跳历元是周跳修复的关键,精准修复周跳是高质量北斗卫星导航系统（BeiDou Navigation Satellite System,BDS）定位的难点,为此提出一种基于多分辨奇异值分解（Multi-Resolution Singular Value decomposition,MRSVD）的敏感分量预测模型,用于周跳探测与修复。该方法对探测信号构造Hankle矩阵,并对其进行MRSVD分析,得到一组具有不同分辨率的分量信号。然后对分量信号进行敏感因子评估分析,选取包含周跳特征的分量,构成敏感特征向量,凸显信号的周跳信息,进而通过模极大值谱精准检测出信号中奇异点的位置,实现对微小周跳的准确探测。以筛选出的MRSVD敏感特征向量为基础,构建最小二乘支持向量机（Least Square Support Vector Machine,LS-SVM）预测模型,进行周跳修复。实验结果表明,该方法能够对载波相位中出现的微小周跳进行准确探测与修复,证明了该方法的可行性和有效性。     

基于奇异值分解的方向估计改进方法

基于相位匹配原理的奇异值分解法(Singular value decomposition based on signal phase matching,SVDSPM)的波达方向估计的均方根误差在高信噪比下无法逼近克拉美罗界,针对该问题提出了基于相位匹配原理的修正奇异值分解法(Modified singular value decomposition based on signal phase matching,MSVDSPM)。该方法将阵列接收信号转换到频域,取相位匹配后各阵元中心频点频谱与其均值差值的距离平方和的倒数作为方向估计算子。仿真表明MSVDSPM方向估计的均方根误差可以在高信噪比下逼近克拉美罗界。MSVDSPM保持了SVDSPM在单源入射时的尖锐谱峰,它等价于常规波束形成方法,并且其主瓣宽度与分析频率无关。     

一种基于奇异值分解的图像压缩方法

根据奇异值分解的基本原理及其特点,结合图像的矩阵结构,提出了用奇异值分解,然后选取部分奇异值和奇异向量重构矩阵进行图像压缩的方法,并通过对图像进行分块降低计算量,实验结果表明奇异值分解能够有效用于图像压缩。     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解,由于小波变换具有良好的多尺度特征表达能力,能将图象的大部分能量集中到低频子图中,使图象得到有效压缩。然后,对得到的每幅低频子图进行基于奇异值分解的特征提取,并将奇异值特征向量进行压缩,把压缩后的特征向量作为每幅人脸图象的特征,进而求出每一类人脸图象的特征向量中心。最后,将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

基于奇异值分解的递推辨识方法

本文提出一种基于奇异值分解的递推最小二乘辨识新方法,该方法不仅在很好的收敛性和数值稳定性,而且在系统的输入信号不满足持续激励的充分必要条件下,仍能得到系统参数的无偏估计,仿真计算结果证明了本方法的有效性和优越性。     

基于张量奇异值分解的人脸识别方法

在人脸识别领域应用张量奇异值分解( TSVD)来进行人脸特征的表示和提取,克服了过去的提取方法,如主成分分析法( PCA)等过于依赖拍摄条件的缺点。 TSVD将数据转换成三维线性模型,所以能避免二维线性方法中条件改变则精确度下降的问题,使得识别算法在变化的条件下获得了相对稳定的结果。在此基础上对算法进行了优化,利用矩阵分解,在不影响算法正确率的情况下,有效减少计算量,提高算法效率。基于Matlab对该算法进行了四组实验,并将结果与用PCA方法得到的结果对比,验证了该识别算法在变化条件下显著的正确性以及稳定性;同时,对优化的TSVD算法进行了实验验证,在数据量较大的情况下,该算法速度明显提高。     

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。     

基于奇异值分解的飞行数据降噪方法

为了消除或减少飞行数据中的有害噪声,提高信息利用率,提出基于奇异值分解的飞行数据降噪方法。将奇异值分解滤波器应用于机载装备状态记录数据的消噪处理中,得到一种新的门限确定方法,推导出滤波门限与信噪比间的数学关系。实验结果表明,该降噪方法效果显著,所确定门限值合理有效。     

The QIF Singular Value Decomposition Method

In this paper, the well known singular value decomposition (SDV) method is extended to explicit (2 2 2) block form, by using the Quadrant Interlocking Factorisation (QIF) method. Numerical results are presented to portray the validity of the proposed method.     

VK有源电力滤波器在电源电压畸变时的谐波提取方法

分析了有源滤波器（APF）基于旋转坐标系下进行坐标变换的谐波检测方法。该方法在电网电压畸变情况下能很好地检测和补偿电网中的谐波电流和无功电流。应用于三相三线制电路时,该方法可以计算任意次谐波电流的瞬时值。仿真与实验均验证了所提出的谐波检测方法的有效性,基于旋转坐标系下进行坐标变换的谐波检测方法的有源电力滤波器具有良好的工作性能。     

基于奇异值分解和支持向量机的人脸检测

人脸检测在自动人脸鉴别工作中具有重要的意义。由于人脸图像特征的复杂性和多样性，使得人脸模式分类器的训练十分困难。本文提出了一种基于支持向量机（SVM）的人脸检测算法，使用了奇异值分解对训练样本进行特征提取，再由SVM分类器进行分类，有效的降低了训练难度，采用二阶多项式作为SVM分类器的核函数，实验结果表明，该方法是十分有效的。     

基于立方分解模型的机场噪声预测方法磁

机场噪声影响已成为阻碍机场发展的重要问题,而机场噪声实时预测是机场噪声研究的一个重要方面,对机场噪声监测及机场噪声影响规律的研究有着重要意义。由于机场噪声实时预测问题可以形式化为矩阵填充问题,论文首先使用协同过滤算法中的矩阵分解模型进行求解,然后根据机场噪声的影响因素的数据特征,提出了一种基于立方分解模型的机场噪声预测方法。通过实验表明,与矩阵分解模型相比,基于立方分解模型的机场噪声预测方法预测精度有了很大提高。     

一种基于小波包分解的虹膜防伪检测方法

虹膜识别系统易受到伪虹膜的攻击,包括利用打印在隐形眼镜、玻璃眼或其他材料上的假虹膜纹理进行的攻击,所以检测出假虹膜的防伪算法至关重要。为此,提出一种利用小波包分解进行特征提取的虹膜防伪检测方法。首先对目标图像进行二级小波包分解,然后计算各子带图像的熵,最后将各子带图像的熵值之和作为提取的特征值。实验在包含500幅虹膜图像的数据库中进行,结果表明此方法可以有效地将真假虹膜区分开来。     

考虑场强覆盖的无线通信系统链路质量检测方法

传统无线通信系统的链路质量检测方法已逐渐无法满足人们的需求,为此提出基于场强覆盖的无线通信系统链路质量检测方法。确定无线链路传输特点及速率选择机制,计算IP层及物理层影响链路质量检测的数据,架构无线mesh网络。实验论证得出,基于场强覆盖的无线通信系统链路质量检测方法,能收集反映链路质量的具体参数,从而直观反应当前链路的质量情况。     

一种RBF网络结构优化方法

通过对ＲＢＦ网络结构的分析，结合奇异值分解方法，提出了一种ＲＢＦ网络结构优化的标准，并在此基础上实现ＲＢＦ网络结构的优化。