电能质量信号的KSVD-NRAMP归一化自适应稀疏重构算法

针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题,提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAMP)自适应稀疏重构算法。算法针对电能质量信号的非线性非稳态特征,采用迭代式匹配追踪得到信号稀疏特征矩阵,然后对矩阵进行归一化处理,量化特征向量,加快函数收敛速度。接着对得到的矩阵原子进行奇异值分解,改善迭代步长波动造成信号重构精度低的问题,最后构建信号的高斯随机矩阵并重构信号。当信号压缩率在50%~90%时,该算法重构信噪比其它重构算法的重构信噪比高出26dB~28dB。实验结果表明,该算法重构精度更高且计算时间短,为电能质量信号的研究提供了一种新思路。     

基于奇异值分解改进观测矩阵的FBG传感信号处理

针对地下管廊环境恶劣复杂、噪声干扰较大的问题,提出一种基于奇异值分解的改进观测矩阵方法,通过提高压缩感知处理光纤布拉格光栅传感信号精度,完成噪声预处理。对观测矩阵进行分解重构,提高信号重构保真度。首先对随机观测矩阵进行正交化处理,再对其进行奇异值分解,将特征矩阵特征值改为恒定值,带入新的特征值后将产生新的观测矩阵。对信号进行观测,并采用信噪比、重构误差等指标确定稀疏度 K。仿真结果表明,该方法重构精度提高约 72%。     

基于SVD的图像水印算法缺陷分析

介绍了矩阵奇异值分解的基本原理,分析了现有基于SVD的图像水印算法的缺陷.这种缺陷导致了提取出的水印结果并不是先前嵌入的水印,这样就无法应用于版权保护.     

基于奇异值分解熵的心率变异性分析

Assessing the dynamics of heart rate fluctuations can provide valuable information about heart status. In this study, regularity of heart rate variability （HRV） of heart failure patients and healthy persons using the concept of singular value decomposition entropy （SvdEn） is analyzed. SvdEn is calculated from the time series using normalized singular values. The advantage of this method is its simplicity and fast computation. It enables analysis of very short and non-stationary data sets. The results show that SvdEn of patients with congestive heart failure （CHF） shows a low value （SvdEn： 0.056±0.006, p 〈 0.01） which can be completely separated from healthy subjects. In addition, differences of SvdEn values between day and night are found for the healthy groups. SvdEn decreases with age. The lower the SvdEn values, the higher the risk of heart disease. Moreover, SvdEn is associated with the energy of heart rhythm. The results show that using SvdEn for discriminating HRV in different physiological states for clinical applications is feasible and simple.     

基于SVD的图像水印算法缺陷分析及对策

介绍了矩阵奇异值分解的基本原理,分析了现有基于SVD的图像水印算法的缺陷。这种缺陷导致了提取出的水印结果并不是先前嵌入的水印,这样就无法应用于版权保护。结合最新的SVD研究成果,提出了一种相对可靠的解决办法。     

阶跃信号与冲激信号对工程电路的作用

通过分析冲激信号和阶跃信号对一阶动态电路的影响,介绍了两种信号在信号与线性系统分析中和在工程电路上的应用,以此说明这两种奇异信号在电路分析课程教学内容中的核心作用．     

一种基于矩阵奇异值分解和奇异值量化的数字水印算法

在图像矩阵的奇异值中嵌入隐秘信息,这样的嵌入算法鲁棒性很强,但嵌入的信息量却很有限.本算法是将图像矩阵分解为若干小的矩阵序列,使用将每个小矩阵的奇异值进行量化的方法嵌入隐秘信息,这样既增强了算法的鲁棒性,也提高了算法的信息隐藏量.实验结果表明该算法可行,并且可以抵抗多种攻击.     

基于NMF初始化的非负双奇异值分解算法分析

随着大数据技术的发展,非负矩阵分解(NMF)日益成为目前最流行的模式识别方法之一,并广泛应用于文档聚类、图像处理、人脸识别、信号分析等多个领域。针对NMF中双因子矩阵的初始化问题,对非负双奇异值分解算法进行分析,数值实验表明该算法可以快速降低众多基于NMF衍生算法的近似误差。     

奇异值分解的证明及奇异值与对角元的关系

奇异值和奇异值分解在矩阵论中起着重要的作用,通过矩阵的谱分解、极分解来给出奇异值分解的不同证明方法,并通过奇异值分解来获得矩阵的对角元与奇异值之间的弱受控关系。     

简支混凝土工字梁超声测试中湿度效应的量化

为分析环境湿度对混凝土梁超声测试结果的影响规律,设计了室内自然环境下的混凝土工字梁超声测试试验,采集测试信号和对应湿度,将信号向量间的偏转角作为信号波动性的评估指标,反映湿度对超声信号的影响,构造信号的残差矩阵进行奇异值分解,提取左奇异向量中的湿度效应进行量化分析,通过去除信号在左奇异向量上的投影去除信号中的湿度效应。结果表明：超声测试信号的波形受湿度影响会发生时移和幅值变化;阶次越高的湿度效应分量在全部湿度效应中的占比越小;去除前5个湿度效应总量后,信号波动性均值可降低至原来的2%。     

加性高斯白噪声信道中典型信号的信噪比估计

信噪比是衡量通信质量的重要参数,正确估计出信号的信噪比能为后续信号的研究提供重要信息。现结合多种信噪比估计的方法,在仅需调制方式的先验信息下,对不同种类的调制信号有针对性地进行信噪比估计,能够有效估计6种典型信号。其中包括调幅信号AM和2ASK,调相信号BPSK、QPSK,调频信号MSK、2FSK。仿真实验表明,该法对信噪比在0¹8dB的信号能有效进行估计,估计偏差在0.5dB以内。     

基于奇异值分解的指纹图像增强

本文提出了一种基于奇异值分解的指纹图像增强处理方法,通过具体算法和软件实现给出了实验结果。基于Matlab7.0的仿真实验表明,将奇异值分解应用于指纹识别系统预处理中是有效且可行的。     

关于SVD水印算法的分析和探究

基于奇异值分解理论的数字水印技术是一种新的值得探讨和研究的变换域水印技术,它的提出为数字水印技术的发展开拓了新的思路和方法.本文对传统的基于奇异值分解理论的数字水印技术进行了深入分析和研究,并提出了改进方法,给出了一种新的基于奇异值分解的数字水印方案.仿真实验证明,新的方法比较好的满足了数字水印的透明性和鲁棒性,能经受住通常的图像处理操作且具有较大的应用潜力.     

基于小波变换的数字调制信号的特征提取

主要研究基于小波变换的数字调制信号的特征提取.和傅里叶变换不一样,小波变换是一个很好的时频分析工具.在实际中数字调制信号常常带有噪声(如白噪声等).首先对ASK、PSK、FSK信号进行小波分析,并对其特征进行提取(幅度、频率和相位等),其次对染噪的数字调制信号进行去噪处理,然后再进行小波分析比较.     

新的基于奇异值分解和小波变换的图像水印技术

基于传统的奇异值分解技术和小波变换技术,这里将两种技术相结合,提出了一种新的数字图像水印技术。将灰度水印图像嵌入到了载体小波变换分解后的中频子带。仿真实验结果表明,该算法比较有效,能够抵抗多种攻击,具有较好的鲁棒性和透明性。     

基于奇异值分解的图像数字水印改进算法

网络技术和数字媒体的发展给数字产品的版权保护提出了一系列的挑战。本文采用一种新的图像置乱法,提出一种改进的数字图像水印算法,即基于给定图像的位平面分解和奇异值分解。仿真试验结果表明,该算法嵌入容量大,对jpeg压缩,噪声污染、常见几何攻击（文中以旋转为例）等具有明显的鲁棒性。     

基于信号分析的椒盐噪声滤波算法

椒盐噪声对图像造成或亮或暗的像素点,从视觉上影响图像的质量。采用基于信号分析的方法去除图像中的椒盐噪声,信号分析能准确判断出噪声与信号像素,该方法依据椒盐噪声模型准确区分信号与噪声,对信号像素给予保留,而对于噪声像素则有针对性地对其作中值滤波、扩大的中值滤波或均值滤波。实验结果表明,与线性加权、梯度倒数加权以及小波去噪算法相比,文中算法能有效降低图像中的椒盐噪声,对图像的边缘与细节保持较好,并且能得到较高的信噪比。     

基于特征融合的人脸图像识别方法研究

为了提高人脸识别率,研究了一种基于边缘二值图像特征向量提取的方法。通过局部二值模式提取特征向量,考虑到边缘二值图像特征向量与局部二值模式提取的特征向量的区别,提出了将这两类特征向量通过PCA方法融合实现人脸识别的方法。实验结果表明基于两类特征向量融合的人脸识别方法可以有效地提高识别率。     

一类2×2块矩阵的特征值与特征向量分布

特征值问题在数学与工程应用中有着重要的现实意义。着重研究一类特殊的对称不定2×2块矩阵的特征值问题,充分利用其结构的特殊性,结合奇异值分解,推导出这类矩阵特征值与特征向量分布。     

基于神经网络的双小波混沌信号降噪

根据信号和噪声的特性不同,提出了一种基于神经网络的双小波混沌信号降噪方法。该方法结合奇异谱和梯度下降算法,分别对小波变换后的近似部分和细节部分进行了分析。一方面,奇异谱分析更大程度地去除了代表噪声的较小奇异值;另一方面,神经网络对非线性阈值的自学习,实现了小波系数的自适应选取,提高了信号的定位精度。通过对Lorenz模型和月太阳黑子时序进行仿真,证实了本文所提方法能够对实际观测的混沌信号进行有效的降噪。