奇异值分解及其简单应用

关于矩阵分解有多种形式,而在实际应用中奇异值分解尤为重要,借助由S(α)=Aα式所确定的S:Rn→Rm线性映射,给出了矩阵奇异值分解定理更具几何直观的推导过程,并用实例对其进行了辅证.     

矩阵的奇异值分解与标准形

本文就矩阵的奇异值分解与矩阵标准形的联系作一些探讨。把奇异值分解推广到复矩阵,并指出它的特殊情况。     

奇异值分解中非奇异矩阵的性质结构

矩阵分解在和矩阵理论中有着极其重要的作用,其中奇异值分解尤其重要,本文着重研究了三个矩阵QQ-SVD分解中非奇异矩阵的性质结构。     

矩阵广义奇异值分解的一个新证法及推论

从矩阵对的CS分解理论出发,给出了广义奇异值分解的一个新的证明.给出了关于矩阵对广义奇异值的三个有用的推论.最后给出了计算矩阵对的广义奇异值分解的一个算法.数值实例说明算法是可行且有效的.     

基于奇异值分解的空间变异地震动模拟

提出一种新的基于奇异值分解的地震动合成方法.该方法在合成多点地震动时采用复功率谱矩阵的奇异值分解,将复功率谱矩阵分解为一个埃尔米特矩阵与其共轭转置矩阵的乘积.该埃尔米特矩阵及其共轭转置矩阵分别由低阶的左、右特征值矩阵及奇异值平方根组成的矩阵近似表示,这一过程极大地降低了复功率谱矩阵的分解难度.算例验证表明:奇异值分解法既能避免科列斯基分解法及特征正交分解法中不合理元素的出现,又可通过分解矩阵的降维节省大量的存储空间,在保证精度的前提下提高合成效率.地震动合成实例计算分析表明使用该方法可快速高效地生成大量模拟点处的地震动时程.     

半定内积下的矩阵奇异值分解

利用矩阵广义逆研究了其中一个权矩阵为半正定的,另一个权矩阵为正定的加权奇异值分解,同时给出了半定内积下的矩阵奇异值分解及其存在的条件。     

OFDM信道估计的复矩阵分解及FPGA实现

应用基于奇异值分解的OFDM(orthogonal frequency dirision multiplexing)信道估计降低计算量的同时能够保证信道估计的性能,研究OFDM信道向量自相关矩阵奇异值分解的FPGA(field programmable gat array)实现,提出一种复共轭对称矩阵奇异值分解的FPGA简化实现方法,将复矩阵的奇异值分解转换为实矩阵的奇异值分解,并根据实对称矩阵SVD(singular value decomposition)的特点对Systolic阵列结构进行改进,减少了所占用的资源.最后设计了高阶实对称矩阵SVD的FPGA实现方案,仿真结果表明该设计方案是可行的,能够应用于OFDM信道估计系统.     

OFDM信道估计的复矩阵分解及FPGA实现

应用基于奇异值分解的OFDM（orthogonal frequency dirision multiplexing）信道估计降低计算量的同时能够保证信道估计的性能,研究OFDM信道向量自相关矩阵奇异值分解的FPGA(field programmable gat array)实现,提出一种复共轭对称矩阵奇异值分解的FPGA简化实现方法,将复矩阵的奇异值分解转换为实矩阵的奇异值分解,并根据实对称矩阵SVD(singular value decomposition)的特点对Systolic阵列结构进行改进,减少了所占用的资源。最后设计了高阶实对称矩阵SVD的FPGA实现方案,仿真结果表明该设计方案是可行的,能够应用于OFDM信道估计系统。     

线性流形上次反对称矩阵的加权最小二乘解

利用矩阵的奇异值分解和矩阵对的广义奇异值分解,得到一类线性流形上次反对称矩阵在加权范数下的最小二乘解,导出解集合中与给定矩阵最佳逼近解的表达式.     

人脸识别中的特征分析

研究了奇异值分解和傅里叶变换方法在图像分析和人脸识别中的作用;比较了两种方法进行图像处理的分解信息,研究了图像傅里叶变换后幅度谱和相位谱包含的图像信息;随后设计实验研究了奇异值向量矩阵和奇异值矩阵中包含的图像信息,并提出一个新的观点：图像分解后的奇异值矩阵包含图像的光照信息;通过设计实验验证了观点的正确性。     

线性流形上广义次对称矩阵的加权最小二乘解

运用矩阵的奇异值分解及矩阵对的广义奇异值分解得到了线性流形上广义次对称矩阵在加权范数下的最小二乘解,同时导出了解集合中与给定矩阵的最佳逼近解的表达式.     

应用奇异值分解求解最小二乘法问题

奇异值分解定理（SVD）是一种非常重要的矩阵分解定理。使用奇异值分解,可以挖掘矩阵中隐藏的重要结构信息,并可以降低矩阵的维数。该定理还应用于解决最小二乘法问题。     

子矩阵约束下双反对称矩阵反问题及其最佳逼近

利用矩阵的奇异值分解和矩阵对的商奇异值分解,讨论了子矩阵约束下双反对称矩阵扩充问题,给出了其扩充的充要条件和扩充后的通解表达式,并给出了此问题的最佳逼近解.     

特征系统实现算法的虚假模态剔除方法

针对虚假模态影响特征系统实现算法识别结果的问题,提出用奇异值分解结合模态能量水平来剔除特征系统实现算法识别结果中的虚假模态。利用奇异值分解(SVD)方法滤除信号中的部分噪声,减少噪声模态并提高识别结果精度,利用输出矩阵、状态矩阵的特征值和特征向量以及输入分配矩阵计算出识别结果中各阶模态能量矩阵,对其进行奇异值分解得到最大奇异值,将其作为各阶模态对输出能量贡献的衡量指标,称之为模态能量水平,然后由计算模态与噪声模态能量为零的特点剔除识别结果中的虚假模态。通过数值仿真和实例分析验证了方法的有效性。     

主子矩阵约束下矩阵反问题XTAX=B的对称解及其最佳逼近

利用矩阵的奇异值分解和商奇异值分解, 建立子矩阵约束下的矩阵反问题X^TAX=B对称解存在的充分必要条件, 并给出了通解的表达式, 得到了最佳逼近对称解.     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

矩阵分解理论在降维中的应用

本文主要介绍矩阵论中的矩阵分解在计算机人工智能中的降维中的应用.从矩阵的奇异值分解和张量的高阶奇异值分解两个方面,结合张量子空间分析(TSA)和张量邻域保持嵌入(TNPE)两个算法,研究矩阵分解理论与降维的结合及应用原理.     

基于奇异值分解的高精度重力仪信号处理方法

在分析基于矩阵奇异值分解理论的滤波算法基础上,将其应用到高精度海洋重力仪系统信号处理中.在信号处理过程中,首先采用延迟法理论重构系统的相空间,得到吸引子轨迹矩阵,然后对轨迹矩阵进行奇异值分解,用部分奇异值重构有用信号的最佳逼近矩阵,并与自适应卡尔曼滤波进行了对比分析,以实际信号与处理后信号的信噪比作为衡量2种信号处理方法好坏的依据.理论分析和仿真实验表明,奇异值分解滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,奇异值分解滤波的性能优于自适应卡尔曼滤波.     

正交链式集结与Yokoyama最小实现算法的稳定性

本文包括两部分内容：一部分是通过奇异值分解对正交链式集结给出了几何及物理解释；另一部分给出了一个求传递矩阵Ｙｏｋｏｙａｍａ最小实现的算法，并从数值稳定性角度加以说明。     

矩阵奇异值的智能分解与线性定常离散系统的稳定性

讨论了矩阵奇异值与线性定常离散系统稳定性的关系，给出了一种实现矩阵奇异值分解的智能方法。同时，基于矩阵最大奇异值得到了一种实用的线性定常离散系统稳定性判据。