基于变分模态分解和奇异值分解的局部放电信号去噪方法

为有效抑制局部放电信号中的复杂噪声干扰,提出一种基于变分模态分解和奇异值分解的去噪方法。首先通过泄露能量确定VMD算法中的模态分解个数,对局部放电信号进行分解,得到数个有限带宽的固有模态分量;然后基于峭度指标选择包含有用信息的分量进行信号重构,将周期性窄带干扰去除;最后采用奇异值分解去噪方法抑制信号中剩余的高斯白噪声。运用该方法对含噪局放信号进行去噪处理,并通过时变峰度法对信号初至时刻进行拾取。与传统的小波方法和经验模态分解算法进行对比,该方法能有效抑制局放信号的复杂噪声干扰,去噪后信号波形畸变较小,信号拾取精度较高。     

基于奇异值分解的二维工程图水印算法

该文提出了基于奇异值分解的二维工程图水印算法,通过提取工程图端点坐标并进行奇异值分解,在除最大的值上进行水印信息的嵌入,有效提高了水印信息的强壮性,由于奇异值分解自身的特性使得水印信息的添加不会对工程图产生视觉冗余,实验结果表明算法达到了比较好的视觉效果,能够抵抗常见的攻击。     

基于奇异值分解和双三次插值的图像缩放算法改进

在图像检索系统中往往需要生成不同比例大小的图像,文件数目多、占用空间大。针对该问题,给出一种改进的图像缩放算法:先对RGB图像矩阵进行奇异值分解和重构,再基于分解后矩阵进行三次插值运算,得到缩放矩阵,据此进行图像重构,得到缩放后的图像。利用该算法和常用压缩算法在刑侦现勘图像库上,对原始图像进行5倍、2倍、0.5倍、0.2倍的缩放处理对比,结果显示,所给改进算法在图像压缩率方面有显著提升,且在均值、标准差、平均梯度和熵等指标上也有一定程度的优化。     

基于奇异值分解和小波分析的结构模态参数识别

提出了一种新的基于奇异值分解（SVD）和小波分析的结构模态参数识别方法。获得结构在随机荷载作用下的加速度响应,对其进行相关分析可得到相关系数矩阵。将小波变换用于分解相关系数矩阵可得到小波系数矩阵,用奇异值分解小波系数矩阵可精确地识别出模态参数。通过数值算例和实际测试获得的结构信号验证了该方法的可行性。研究结果表明SVD方法与小波分析的结合能够方便准确地寻找出结构的小波脊,其获得的信息可靠度也更高,适用于多自由度结构的模态参数识别。     

基于小波变换和奇异值分解的图像水印算法

该文基于小波变换和奇异值分解,根据小波变换低频子带抗干扰性强,及具有较大的感觉容量和图像奇异值的稳定性,提出了一种基于小波变换的奇异值分解水印嵌入技术,使图像的不可见性和鲁棒性得到较好的折中.实验表明该算法具有较好的不可见性和抗攻击性.     

基于奇异值分解和经验模态分解的航空发动机健康信号降噪

提出了一种基于奇异值分解(Singular value decomposition,SVD)和经验模态分解(Empirical mode decomposition,EMD)的信号降噪方法。首先采用EMD方法对原始信号进行分解并提取出信号趋势分量。然后对信号剩余部分采用SVD方法降噪,并根据奇异值差分谱方法自适应选择奇异值进行信号重构。最后将重构后的信号与趋势分量叠加得到最终的降噪信号。采用该方法对模拟信号和实际航空发动机健康信号进行了降噪试验,结果表明:该方法能够准确地选择用于重构信号的奇异值,并能够有效地去除信号噪声。     

变分模态分解与稀疏SURE的电子图像噪声抑制

为解决电子微结构图像在摄取、传输或存储的过程中易被外界噪声干扰、图像保真度差的问题,提出了一种变分模态分解与稀疏Stein无偏风险估计(Stein unbiased risk estimator,SURE)相结合的图像噪声抑制方法,以铝合金、双相钢与钛合金Ti6Al4V 3种材料的电子背散射衍射图像为例. 首先,在已采集的电子背散射衍射图像中加入高斯噪声与Speckle斑纹噪声来模拟被干扰图像;然后,利用变分模态分解方法按照频率尺度将含噪模拟图像分解为固有特征成分与高频噪声成分;继而利用Haar小波冗余字典对固有特征成分进行稀疏表示,在一阶可导收缩函数的基础上推导了稀疏Stein无偏风险估计阈值选择的优化目标函数,最后,利用黄金分割搜索法计算得到全局最佳自适应阈值. 结果表明:提出的方法可有效去除外界干扰噪声,提高了图像的峰值信噪比;以铝合金为例,当噪声标准差为30时,提出方法的图像峰值信噪比突破了单一稀疏SURE收缩曲线的最大值,比Neigh-Shrink方法高0.39 dB,比KSVD方法高2.895 dB,比小波阈值去噪算法高3.07 dB.     

基于变分模态分解的轴承振动特征提取方法

设备运转的状态信息能够通过振动信号实时反映出来,然而由于信号中混杂了大量背景噪声等干扰信息,使得信号分解技术成为关注的重点之一。变分模态分解(variational mode decomposition,VMD)克服了传统自适应信号分解方法的不足,分解出的信号消除了端点效应和模态混叠等失真现象,具有抗噪干扰能力强、计算速度快等优点。针对VMD模态K数难以选取的问题,以信号主频率个数作为K的选择依据,然后结合信息熵测度,提出了一种的新的振动信号提取方法,剔除干扰信息,便于故障类型的查找。仿真和轴承实验表明了该方法的有效性和可行性。     

基于小波变换⁃海森伯格矩阵⁃奇异值分解的图像水印算法

为提高水印图像的不可见性和算法鲁棒性,通过小波变换?海森伯格矩阵?奇异值分解的方法研究了彩色图像水印算法。首先,对宿主图像和水印图像进行了彩色空间变换;然后,对载体图像进行了小波变换;最后,对低频系数进行了海森伯格矩阵?奇异值分解后嵌入水印图像。结果表明,该算法对多种攻击方式有较强的鲁棒性,嵌入水印后宿主图像不可见性好,嵌入信息能力强,具有一定的应用价值。     

基于奇异值(SVD)分解的线性降维方法

数据降维是流行学习算法的一个关键问题,本文在The LLE and a Linear Mapping[1]的基础上给出了一种基于矩阵奇异值分解的线性降维方法,证明了基于SVD分解的线性降维方法在相差一个对角阵的前提下就是主成份分析法(PCA),并且给出了一个降维的自由度,从而在降维时可以自由选择以保持流行的几何结构,实验结果充分证实了算法的优越性.     

基于图像分割和SVD的数字水印算法

利用图像分割法,提出了基于图像分割和SVD的数字水印算法。该算法将原始图像划分为许多不同的区域,对于不同的区域,分别采用同一区域块用统一的量化步长和同一区域用基于统计特性的自适应量化步长等两种形式对其进行分析。水印的提取不需要原始图像,并受到密钥的控制,不知道密钥就无法正确恢复水印。     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

基于奇异值分解估计点扩散函数的复原算法研究

基于奇异值分解的性质,从离散退化模型出发,采用理想图像奇异值向量的平均能谱理论,得出用奇异值分解来估计点扩散函数的方法,复原过程用逆滤波法来实现。文中采用奇异值累计和函数的二阶导来确定点扩散函数估计过程中的重组阶数R1,三阶导曲线用于去噪的重组阶数R2的选取。用本文方法进行去噪复原实验,与自动选取法进行比较,去噪复原效果较好。     

一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

基于SVD分解的自适应MQAM性能分析

该文研究了多输入多输出Nakagami衰落信道上基于奇异值分解的恒定发射功率自适应M进制正交幅度调制的性能。在发送端功率均匀分配和瞬时误比特率受限的条件下,推导两种天线配置下离散速率和连续速率自适应M进制正交幅度调制系统平均频谱效率的闭合表达式。数值计算和仿真结果阐明衰落系数m和天线配置对Nakagami衰落信道上自适应M进制正交幅度调制性能的影响。     

由图像的稀疏分解重建图像的快速算法

针对由图像的稀疏分解结果重建图像的速度极其缓慢这一问题,研究了表示图像的原子的能量分布特性。利用了表示图像内容的绝大部分原子的能量分布具有非常集中的特点,提出了由分解后的原子参数重建图像的快速算法。该算法对于一个原子的计算只限于原子能量集中的区域,并在此基础上实现了原子能量及原子归一化的快速计算。采用快速算法使图像重建的速度提高了约32倍,同时保证快速重建图像的质量保持不变。     

基于DWT和SVD的改进分块图像水印算法

为同时提高水印不可见性与鲁棒性,提出一种基于DWT和SVD的改进图像水印算法．先将载体进行小波变换,然后在分块后进行奇异值分解,根据自适应原理选取嵌入数据进行水印嵌入．检测水印不需原图像,属于盲检测算法．实验结果表明,该算法增强了水印鲁棒性,且提取水印精确度更高．与单独块奇异值分解量化法作比较．实验证明,本算法具有更好的优势．     

一种基于经验模式分解的心电QRS波检测方法

讨论了一种信号分析法——经验模式分解法,用于检测心电信号中QRS波的可行性和有效性,并提出了相应的检测算法。实验结果表明,适当选择心电信号在经验模式该方式分解后的内在模函数,特别是其高频分量,可有效地抑制或缓解各种主要噪声干扰,使用简单算法即可分离QRS波的特征点。该方法经标准心电信号进行有效验证,获得了较高的准确率。     

基于自适应多元变分模态分解的电力系统低频振荡模态辨识

针对电力系统多元非线性信号模态辨识困难的问题,提出一种自适应多元变分模态分解方法(自适应MVMD)对多元低频振荡信号进行辨识.自适应MVMD法通过对构建的多元约束变分模型迭代求解获得最优分离模态集合,避免了噪声扰动下的模态混叠及虚假模态等问题.首先通过最大复原近似度确定分离模态数K,然后利用自适应多元变分模态分解法对多元信号进行辨识以获得模态集合,对各信号中同频模态分类提取,并利用Hilbert变换以及傅里叶变换频谱分布对振荡参数进行辨识.测试算例及仿真算例证明了该方法的有效性,与经验模态分解法对比结果显示自适应MVMD法对含噪声信号辨识能力更强.