基于奇异值曲率谱的有效奇异值选择

为了实现有效奇异值的自动选择,提出了奇异值曲率谱方法.首先分析了Hankel矩阵方式下理想信号和噪声信号的奇异值特点,发现理想信号的奇异值曲线存在一个很大的转折点,噪声信号的奇异值曲线则很平坦.然后提出了奇异值曲率谱的概念,并利用它来描述含噪信号奇异值曲线的转折点情况,分析了曲率谱计算时需注意的问题.研究结果表明,根据曲率谱的最大峰值位置可以确定有效奇异值个数:如果奇异值曲线在曲率谱最大峰值的位置坐标k处是凸出的,则有效奇异值的个数为k;如果奇异值曲线在k处是凹进的,则有效奇异值的个数为k-1.利用此方法来确定轴承振动信号的有效奇异值,提取到了由于滚道损伤而引起的调制现象,据此可靠地判断出了滚道剥落坑总数.     

基于S变换与奇异值分解的局部放电信号去噪方法

根据白噪声在S变换域服从2分布且平均功率谱与频率成正比的特点,提出了基于S变换与奇异值分解(SVD)的局部放电(PD)信号去噪方法。首先对带噪PD信号进行S变换,得到时频矩阵;接着利用SVD与奇异值差分谱理论,确定PD信号发生的时间与个数,得到白噪声区域;然后通过构造与频率成正比的线性方程,采用硬阈值法对时频矩阵进行处理,完成PD信号的第一次去噪;最后利用SVD对PD信号进行第二次去噪。仿真和实测信号的分析结果表明,文中方法的去噪效果优于小波阈值法,且该方法更简便快捷。     

SVD算法在亚毫米波付里叶变换谱中的应用

本文介绍了自回归谱分析法中的奇异值分解法(SVD算法)在亚毫米波付里叶变换谱中的应用.SVD算法和前后向最小二乘法(LS算法)相比,它们具有相同的分辨率,但SVD算法能够消除LS算法中出现的假峰和病态的问题,具有更强的抗噪声能力,因而SVD算法比LS算法更加稳定可靠.还讨论了SVD算法的阶数和有效奇异值个数的选择问题.     

基于双路奇异值分解的信号降噪方法

针对常规奇异值分解对强噪声抑制效果不佳的问题,提出了一种基于双路奇异值分解的信号降噪方法。首先采用奇异熵定阶的方法对高阶噪声进行预处理,然后从双路奇异向量的相关性出发确定低阶噪声奇异向量的位置,最后将剩余的奇异值与奇异向量重构得到优化估计的降噪信号。仿真实验表明：双路SVD相比常规SVD的降噪方法在低信噪比、白噪声的环境下信噪比增益提升4.07 dB,与纯净信号波形相关系数增量提升0.11。以一段受到座舱噪声污染的语音信号为实验对象,文中方法与双通道自适应噪声抵消的降噪方法对比,信噪比增益提升4.83 dB,运算耗时缩短1.5 s。此外,文中方法不受噪声类型的限制,对于有色噪声和单频干扰甚至混合噪声同样具有良好的适应性,有广泛的应用前景。     

基于SVD差分谱和IMF能量谱的改进HHT方法

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT.该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析.仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响.     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.     

奇异值分解对轴承振动信号中调幅特征信息的提取

为了从复杂的轴承振动信号中提取微弱的故障信息,提出了一种基于奇异值分解的特征提取方法.分析了基于奇异值分解的信号分解和特征提取原理,指出其信号分解的实质是一种线性叠加分解,并通过对轴承振动信号构造Hankel矩阵,利用奇异值分解处理后得到多个分量信号,并选择前面一定数目的分量信号进行叠加,准确地提取到了因滚道损伤引起的调幅特征,进而研究分析了不同数目分量所获得的调幅特征效果,并与小波变换进行比较.研究结果表明SVD对调幅特征的提取效果优于小波变换.     

基于SVD和DCT的数字水印算法

本文提出了一种基于SVD和DCT的鲁棒数字水印算法首先对作为水印的灰度图像进行Arnold变换,然后对宿主图像进行SVD运算,求出奇异值,将预处理后的水印信号嵌入到奇异值中。该算法在保证水印嵌入量的同时,还保证了水印信号的不可见性。实验结果表明,此算法对于常见的JPEG压缩、噪声等攻击具有很好的鲁棒性。     

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。     

小波奇异值分解的瞬变弱信号检测

研究小波阈值法和奇异值分解法,分析最大分解层数、阈值函数、小波基函数的选取以及窗长和保留奇异值个数等参数的选择,并在此基础上提出小波与奇异值分解相结合降噪检测信号的方法。该方法首先将信号作小波分解,再对小波分解系数作奇异值分解,最后通过阈值法保留小波系数并重建降噪信号,利用重建信号进行信号检测。结果表明:该方法能更好地区分信号和噪声,获得更好的降噪和检测结果。     

小波去噪中对模极大值的处理

分析信号和噪声的奇异指数，根据函数不同的奇异指数小波变换的局部模极大值具有不同的传播特性的理论，在相邻模极小构成的待选通域中对分析出的噪声局部模极大值所在的选通域进行平滑处理，反变换重建出去噪信号．实验结果表明这种方法计算简单且有较好的去噪效果．     

一种基于CT-SVD的鲁棒水印算法

提出了基于Contourlet变换(CT)和奇异值分解(SVD)的水印算法.与通常直接将水印嵌入至系数中的CT算法不同,选择了CT域低通子带的部分最大系数构建矩阵,对该矩阵进行奇异值分解,经Arnold置乱后的水印结合人眼视觉特性(HVS)被自适应地嵌入至奇异值中.实验结果表明,算法保证了极高的峰值信噪比(PSNR),并且体现了对缩放、JPEG压缩、剪切、滤波等攻击很好的鲁棒性.     

基于特征值和奇异值分解方法的盲分离

在基于特征值和奇异值分解的盲分离算法中，采用固定时延相关统计量不能很好反映数据矩阵特征，故提出了一种基于不同时延正定相关矩阵的特征值和奇异值分解的盲分离算法．算法分观测信号的预白化和基于奇异值分解两个阶段，解决混和矩阵在输出信号数目大于等于输入信号数目的情况下，确定未知源信号的个数和分离的问题．仿真实验表明，改进算法能够准确分离出3个源信号，全系统矩阵比传统算法更接近分离要求，从性能指标来看，改进算法在信噪比10dB时，其分离的效果达到了良好．     

数字图像的奇异值分解

通过对图像进行奇异值分解,将一幅图像转换成只包含几个非零值的奇异值矩阵,实现图像压缩。     

基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.     

基于奇异值分解的多评价结论集结方法

针对综合评价中存在的“多评价结论非一致性”问题,提出了一种基于奇异值分解的多评价结论集结方法.对多个不一致评价结论组成的数值矩阵进行奇异值分解,并通过对定义的一致度与可信度两个性能指标的均衡确定出需保留奇异值的个数,运用奇异值分解的原理求出原评价结论的近似结论矩阵,而近似结论是对原有结论的优化.该方法具有提取多评价结论共性信息、削弱极端评价结论影响及对集结过程进行柔性控制等特点.最后,用一个算例验证了方法的有效性.     

天波雷达短驻留时间下海杂波抑制的改进算法

在高频天波雷达的舰船目标检测中,为消除电离层变化带来的谱展宽效应,采用了短驻留时间下基于奇异值分解(SVD)的海杂波抑制算法.该算法对构造出的Hankel矩阵进行奇异值分解,将对应于海杂波分量的奇异值置零,再重新构造出数据序列,达到海杂波抑制的目的.相对于原有的迭代杂波对消算法,该算法无需估计众多参数及设置对消截止门限,并且可以获得更好的抑制效果.为了有效地识别分解后的海杂波与目标所对应的奇异值以避免错误对消,还提出了一种改进方案,可以在抑制前分辨出海杂波分量和目标所对应的奇异值,当回波目标的能量与海波处于相近量级以及多目标情况下,能够避免错误对消现象的出现.仿真结果验证了所提算法的有效性.