基于SVD/小波的MEMS陀螺误差分析及降噪处理

陀螺仪作为导航系统的核心传感器,其输出信号的精度对导航结果有着重要的影响。针对微机电系统(micro electro mechanical system,MEMS)陀螺成本低、应用广泛但精度低、噪声大的使用现状,选取小波分析方法对MEMS陀螺信号进行误差分析,针对误差分析结果提出了一种小波分析结合奇异值分解(singular value decomposition,SVD)的降噪方法以剔除微弱噪声信号。针对小波分析存在的小波分解层数和小波系数难以选取的问题,提出一种自适应选取小波分解层数和变换小波系数的改进小波算法;通过引入SVD以改进小波变换检测微弱信号中噪声的劣势问题,设计双轴电动转台的静、动态试验,静态试验进行信号的误差分析,动态试验验证改进算法的精度,得出改进算法比之传统小波算法降噪性能提升的结论。     

OFDM中利用导频的一种信道估计方法

在移动通信中信道的特性是随时间变化的，为进行信号均衡以提高通信效率和通信质量，有必要对当前信道的特性进行估计，在对OFDM系统进行简要分析的基础上，介绍了OFDM系统中通过梳状分布的导频信号进行估计并而进行信号均衡的方法，以用来抵消由于多径产生的频率选择性衰落，仿真结果表明，该方法可行且有效。     

基于奇异值分解变换的数据压缩方法探讨

讨论了利用奇异值分解(SVD)变换算法进行图像压缩的可能性,澄清了采用SVD变换进行图像压缩的一种错误观点.对3种采用SVD变换进行数据压缩的方案进行了进一步的研究与分析,证实了将SVD变换应用于数据压缩领域的可行性.     

基于IWT和SVD的数字图像水印算法

针对传统SVD域数字图像水印算法存在过高虚警率的问题,提出了一种基于IWT和SVD的数字图像水印算法。算法先对载体图像进行1级IWT分解得到4个子带,然后对4个子带进行SVD变换,把水印图像信息直接嵌入到载体图像4个子带的奇异值中。在水印嵌入过程中提出了一种数字签名认证机制,利用生成的数字签名在水印嵌入的同时完成数字签名的嵌入来加密含水印的图像。在水印提取之前,先对数字签名进行验证来避免虚警的问题。实验表明,算法具有良好的视觉性和抵抗各类攻击的鲁棒性。     

一种新的高分辨定位去噪方法

高分辨定位技术在近几年得到人们的广泛注意,在这方面的研究工作相当活跃。本文提出一种新的多目标阵列接收信号协方差矩阵的去噪方法,并对结果进行了计算机模拟。     

基于采样数据重构的信号DOA估计算法

在对修正ＭＵＳＩＣ算法,即ＭＭＵＳＩＣ进行介绍的基础上,提出了通过奇异值分解来实现该算法,以及将它与空间平滑技术相结合来估计相干信号的ＤＯＡ,计算机模拟结果证明了该方法的可行性。     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

Analysis of finite-element-based methods for reducing the ill-posedness in the reconstruction of fluorescence molecular tomography

The major issue in reconstruction of optical imaging might be the ill-posedness of the problem. In this paper, four different algorithms, including singular value decomposition (SVD), the truncated SVD, Tikhonov regularization and adaptive regularization, are analyzed and applied for solving the matrix equation generated from diffuse equation based on finite-element method in fluorescence molecular tomography. Results illustrate the need for either imposition of regularization term or elimination of too small singular values in reducing the ill-posedness. The results also suggest that the adaptive-regularization method offers superior performance in the reconstruction among the four methods in most cases even if the initially selected regularization parameter is not optimal, thus providing the convenience for the reconstruction.     

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.     

基于SVD和MPSO-SVM的光纤周界

针对光纤振动信号有噪声干扰、识别信号类型准确率不高且识别时间长的问题,提出了基于奇异值分解(singular value decomposition, SVD)和改进粒子群优化支持向量机(modified particle swarm optimization support vector machine, MPSO-SVM)的识别方法。首先,采用SVD对信号去噪,根据奇异值序列二阶差分谱单边极小值原则确定信号重构秩阶次。其次,提取振动信号特征,利用串行特征融合(serial feature fusion, SFF)方法组建特征向量组。最后,利用MPSO-SVM进行分类识别,提高识别精度和算法效率。采用实测信号进行验证,结果表明,信噪比有明显提升,信号平均识别率较粒子群优化支持向量机(particle swarm optimization support vector machine, PSO-SVM)提升5%。该方法较传统神经网络识别方法有较好的效果,具有实际应用价值。