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SL0范数的改进稀疏信号重构算法

平滑范数（Smoothed l0,SL0）压缩感知重构算法通过引入平滑函数序列将求解最小l0范数问题转化为平滑 函数优化问题,可以有效地用于稀疏信号重构。针对平滑函数的选取和算法稳健性问题,提出一种新的平滑函数序列近似范数,结合梯度投影法优化求解,并进一步提出采用奇异值分解（Singular value decomposition, SVD）方法改进算法的稳健性,实现稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法相比OMP算法、SL0算法以及L1-magic算法在重构精度、峰值信噪比方面都有较大改善。     

基于奇异值分解的压缩感知核磁共振图像重构算法

针对传统压缩感知在核磁共振成像中存在着重构算法慢、成像时间长的缺点,利用核磁共振图像自身非满秩的特点,在压缩感知框架下以奇异值分解作为基底对图像稀疏表示进行了研究,并对重构算法进行了优化。实验结果表明,提出的奇异值方法在重构效果上能达到与小波稀疏变换法相近的峰值性噪比,且能有效缩短图像重构时间,达到加速核磁共振成像的目的。     

MIMO离散时间系统混合l1/H2控制

研究了MIMO(多输入多输出)离散时间系统的混合l₁/H₂优化问题,该问题可描述为最优化一个传递函数矩阵的l₁范数同时保证另一个传递函数矩阵的H₂范数满足预定的指标.研究了最优目标函数值关于H₂范数指标的连续性.证明了MIMO系统混合l₁/H₂控制问题最优解的存在性.由于基于标定-Q(scaled-Q)方法求解MIMO混合l₁/H₂问题,避免了进行零点插值运算的困难.通过求解有限维非线性规划问题可得到最优目标值的收敛的上下界.     

奇异摄动系统的H∞控制: 基于奇异系统的方法

实际系统的奇异系统模型往往通过忽略系统的奇异摄动系统模型微分项系数矩阵中的小时间参数得到.然而, 传统的奇异系统控制器设计很少考虑微分项系数矩阵的摄动. 本文拓展了现有奇异系统输出动态反馈H_∞控制器的设计, 使得当实际闭环系统中存在小时间参数时, 仍然能保持稳定并且满足一定的H_∞性能指标. 仿真算例说明了本文提出方法的有效性.     

对称逻辑公式在L*4逻辑度量空间中的分布

在四值逻辑系统L*₄中引入了对称逻辑公式。运用Matla软件研究了对称逻辑公式在L*₄逻辑度量空间中的计数问题,给出了3n元、3n+1元、3n+2元对称逻辑公式的个数。证明了n元对称逻辑公式占全体n元逻辑公式的比例随n的增大而趋于零。     

基于Kp = S1D1U1分解的多变量鲁棒模型参考自适应控制

针对具有噪声的多变量系统, 利用高频增益矩阵K_p = S₁D₁U₁分解, 提出了一种多变量鲁棒直接型模型参考自适应控制. 通过重新证明一些同单变量系统鲁棒自适应控制理论相似的性质, 及重新定义规范化信号, 找出了闭环系统的所有信号与规范化信号之间的关系, 严格地分析了闭环系统的稳定性和鲁棒性.     

基于L2,1范数稀疏特征选择和超法向量的深度图像序列行为识别

结合L_2,1范数稀疏特征选择和超法向量提出了一种新的深度图像序列行为识别方法。首先从深度图像序列中提取超法向量特征;然后利用L_2,1范数稀疏特征选择方法从超法向量特征中选择出最具判别性的稀疏特征子集作为特征表示;最后利用线性分类器Liblinear进行分类。在MSR Action3D数据库上的实验结果表明,所提方法使用2%的超法向量特征获得的识别率为94.55%,并且 具有比 其他方法更高的识别精度。     

基于稀疏表示与能量分解的无参考图像质量评价

针对基于稀疏表示的图像质量评价算法特征信息挖掘不充分,忽略稀疏特性等问题进行了研究,提出了一种基于稀疏表示与能量分解的无参考图像质量评价方法。首先利用L1范数作为稀疏惩罚项学习稀疏编码字典,并计算待评价图像的稀疏表示系数。然后对稀疏系数矩阵进行奇异值分解,并重建若干个等能量的子矩阵。最后联合max-pooling和L1范数描述稀疏系数矩阵及其子矩阵特征,L1范数刻画着稀疏性,子矩阵丰富了特征信息。实验结果表明,该算法能在无参考的情况下更好地评价图像质量,主客观分值一致性好且时间复杂度较低,具有较好的应用价值。     

基于稀疏表示的信号DOA估计

将信号DOA的估计问题转换为一个联合稀疏表示的求解问题.通过对接收数据矩阵的奇异值分解实现各时间和频率快拍数据的联合;然后通过求解一个平滑l0范数稀疏约束的联合优化问题实现信号源DOA的估计.基于稀疏表示的信号DOA估计方法不仅能够有效地减少数据量,而且具有以下优点:更好的抗噪声性能、更高的计算效率、适用于相关和非相关信号.通过与其他DOA估计方法的比较,表明了该方法的有效性和优越性.     

基于奇异值分解及PRESS 统计的模型结构优化方法

针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.     

基于SVD和FRFT的音频信息隐藏算法

在分析分数阶傅里叶变换（FRFT）的基础上,利用FRFT的时频特性、奇异特征值的稳定性及幂函数的缩放特性,提出了一种基于SVD和FRFT的音频信息隐藏算法。实验结果表明,该算法具有很好的不可感知性,且对加噪、重采样、重量化、MP3压缩及频域恶意攻击具有很强的鲁棒性。     

一种基于感兴趣区域提取的新型SVD图像压缩算法

提出了一种基于感兴趣区域提取的新型奇异值分解（SVD）图像编码算法（SODSVD）。根据图像的区域复杂度、视觉注意等指标运用感兴趣区域提取技术将图像自适应分块,而对每一小块,根据其复杂度进行不同秩的奇异值分解算法,从而达到图像压缩的目的。同时还提出了一种简单的基于感兴趣区域的图像划分策略。实验结果表明,在PSNR和bpp等评价指标上,新方法有明显优势。     

基于SVD变换图像压缩的VC实现

通过对奇异值分解的基本原理和特点的分析,总结出运用奇异值分解进行数字图像压缩的基本方法和步骤,并以VC程序调用MatrixC++库[1]的形式加以实现,表明了该方法的有效性。     

融合稀疏重构图像显著性的相关滤波跟踪

针对相关滤波跟踪中目标在剧烈形变时会发生滤波模板漂移,以及在复杂场景中目标跟踪鲁棒性较差的问题,提出一种融合稀疏重构图像显著性的相关滤波跟踪算法。在跟踪过程中,通过超像素分割提取背景模板来稀疏重构目标颜色相关,构建目标颜色模型得到跟踪检测分数,将该检测分数与相关滤波检测分数进行融合,根据融合响应,利用峰值旁瓣比调整模板更新速度来解决遮挡下的更新策略问题,同时利用中心先验图对存在误差的稀疏重构图进行修正,使得该目标跟踪框架能适应形变、光照等复杂变化。实验表明,该算法在准确性和鲁棒性方面要优于其他算法。     

基于稀疏分解的数据分类算法

利用基于超完备字典的信号稀疏分解理论,提出一种基于稀疏分解的数据分类算法SRC。该算法通过学习不同类别数据的稀疏映射关系,把测试样本映射到高维空间中,根据稀疏重构的误差定义决策函数以确定测试样本的类别。采用UCI数据集评估该算法,并与SVM算法和Fld算法的实验结果进行对比,结果表明,SRC的分类准确率最高,不平衡数据集的实验结果显示了SRC的鲁棒性。     

基于稀疏分解的数据分类算法

利用基于超完备字典的信号稀疏分解理论,提出一种基于稀疏分解的数据分类算法SRC。该算法通过学习不同类别数据的稀疏映射关系,把测试样本映射到高维空间中,根据稀疏重构的误差定义决策函数以确定测试样本的类别。采用UCI数据集评估该算法,并与SVM算法和Fld算法的实验结果进行对比,结果表明,SRC的分类准确率最高,不平衡数据集的实验结果显示了SRC的鲁棒性。     

基于surfacelet稀疏重构的视频修复

为提高视频竖线、划痕、文字等破损的修复质量,提出一种基于Surfacelet稀疏重构的视频修复算法。Surfacelet变换的具有多尺度、多方向且高效树状结构的三维稀疏变换特性,能有效捕捉视频中的奇异曲面。算法首先基于Surfacelet变换域构造破损视频信号的稀疏性全局优化的目标函数,然后采用松弛算法求解该目标函数来实现对破损视频的修复。该算法不需要复杂的分割、边缘检测等预处理,能提高视频的纹理和结构信息的修复效果。实验仿真结果表明本文算法的视频修复质量优于现有视频修复算法。