基于滑动窗奇异值分解的局部放电信号检测方法

在局部放电信号检测过程中,局部放电信号幅值小,易受到噪声干扰,导致低信噪比下局部放电信号检测与波形恢复难度大。本文提出了基于滑动窗奇异值分解的局部放电信号检测方法。该方法利用噪声干扰信号与局部放电信号奇异值的差异性,通过滑动窗分段处理,建立奇异值差值序列,达到降噪与还原局部放电信号的目的。仿真与实测结果表明,本文方法在抑制噪声干扰和还原局部放电信号方面相比传统方法更具优势,且稳定性更好,适合在混合噪声干扰下实现对实测局部放电信号的检测和波形恢复。     

基于数据矩阵奇异值分解的时—空二维信号处理

本文提出一种利用阵列接收信号数据矩阵奇异值分解的时－空二维信号谱估计方法，该方法对线阵接收信号构成的数据矩阵进行奇异值分解，构造出噪声奇异向量，利用信号空间与噪声空间的正交性获得时－空二维谱，该方法可用于高分辨测向测速系统中，计算机模拟表明了该算法的有效性。     

基于小波二维重建的强噪声光栅信号奇异点检测

机械传动轴扭矩信号的奇异点携带重要信息,准确而有效地检测出信号的奇异点,对于故障分析和保障系统安全具有重要意义.实际采集的光栅传感信号含有很强的噪声,干扰了奇异点的检测.传统的小波频域或其他滤波方法,会同时光滑信号奇异点.根据信号和噪声在小波变换下的不同特性,提出了一种将小波滤波与奇异值检测相结合的方法,通过将噪声频段的分解系数置0,实现信号的小波时-频二维滤波重建,它能在滤去噪声的同时很好地保持信号的奇异信息,适合强噪声下的信号奇异性检测与分析.实验中对含噪声光栅信号进行了对比处理,结果表明,该方法能在强噪声干扰下有效地检测到信号的奇异点.     

基于噪声子空间奇异值的信号分量数目估计

针对现有信号分量数目估计方法在低信噪比时估计性能差的问题,该文提出了基于噪声子空间奇异值恒虚警检测方法估计信号分量数目。通过对Hankel矩阵奇异值与噪声能量之间关系的研究,利用高斯白噪声包络平方服从指数分布的特点,在虚警率一定的条件下,获得噪声子空间奇异值检测门限。仿真结果显示该方法在低信噪比时有效。     

基于EMD和SVD的光电容积脉搏波信号去噪方法

光电容积脉搏波采集过程中存在基线漂移和高频噪声会给后续人体生理参数的测量带来困难,因此消除噪声干扰是准确进行相关生理参数测量的关键问题。提出一种结合经验模态分解和奇异值分解的去噪方法。该方法采用经验模态分解将光电容积脉搏波信号分解为若干个固有模态函数,通过功率谱密度判断代表基线漂移信息的固有模态函数获得基线漂移曲线;使用奇异值分解处理光电容积脉搏波信号中的高频噪声,针对传统的差分谱法无法准确识别奇异值有效阶次的不足,提出加权能量贡献率的方法选取奇异值的有效阶次。实验结果表明,该方法能有效消除光电容积脉搏波信号中的基线漂移和高频噪声,这对光电容积脉搏波信号检测精度的提高具有重要意义。     

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。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。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

非零奇异值和频率的关系及其在信号分解中的应用

研究了Hankel矩阵方式下确定性信号的非零奇异值和信号所含频率数量之间的关系,发现只要矩阵维数大于信号中频率数量的二倍,此后不管维数再怎样增大,非零奇异值的数目始终维持为信号中频率数量的两倍不变.研究了非零奇异值和单个频率之间存在的对应关系,提出利用奇异值分解来分离单个的频率成分,发现了奇异值分解分离单个频率成分的条件,在这种条件下奇异值分解可以准确地分离出任何的单个频率成分.利用奇异值分解的这一特性对轴承振动信号进行特征提取,分离出了轴承各个振动频率清晰的时域波形,由此准确地揭示了轴承的实际振动状态.     

基于小波SVD的光纤光栅振动系统消噪算法

针对小波阀值法对噪声非均匀分布振动信号消噪差的缺点,提出了奇异值分解(SVD)结合小波阀值消噪的算法.采用截断法构造出包含信号信息及非均匀噪声的相关矩阵并进行SVD,得到一系列正交子空间,将非均匀噪声相对均匀地分解到子空间中.选取奇异值最大的子空间分量重构信号并对此信号进行了小波阀值消噪.结果表明,该方法适用于非均匀噪声干扰下的振动信号提取,与直接小波消噪相比,提取出的信号失真更小,信号有效成份更完整.     

基于SVD的时域强干扰信号抑制

针对时域信号中强干扰信号的抑制问题,提出一种基于奇异值分解(Singular Value Decomposition,SVD)的时域强干扰信号抑制方法。该方法通过构建一维时域信号的信号矩阵,对矩阵进行SVD处理,得到分解后的奇异值矩阵及对应的奇异向量矩阵;通过设定门限对奇异值进行筛选,将强干扰信号所对应的奇异值置零并还原信号矩阵,从而实现强干扰信号抑制。仿真结果表明,该方法对单频信号、线谱信号及周期性信号的干扰具有较好的抑制效果。     

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-I型和SVD-II型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

结合SVD的小波变换在外弹道野值剔除中的应用

提出了一种结合SVD的小波变换方法,对其在外弹道测量数据中的野值剔除进行了研究。对观测数据进行小波分解,将小波分解后的近似分量和细节分量组合实现相空间重构,作为SVD方法的输入观测矩阵,根据奇异熵增量准则,对奇异值进行筛选,根据SVD逆变换重构原信号。这一方法克服了Hankel矩阵相空间构建方法数据端点失真问题,以小波分解后分量重构的相空间可以满足正交性,进一步提高了SVD进行数据降噪和野值检测的精度。仿真数据和试验数据处理结果证明了这一方法的有效性。     

基于K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。     

修正Hankel矩阵SVD用于多模环境杂波对消研究

针对超视距雷达多模传播下杂波展宽导致的慢速目标掩盖问题,直接在多模情况下进行杂波对消与目标检测。分析了基于Hankel矩阵奇异值分解(SVD)的海杂波对消方法,指出了该方法存在的不足,并通过设置判决门限进行修正。实验结果显示,采用基于修正的Hankel矩阵SVD的海杂波对消技术,能够实现对目标的检测。     

基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar, HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition, SVD)的空域海杂波抑制算法（简称空域SVD算法）. 空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参考,对其阵列协方差矩阵进行SVD,估计空域的海杂波子空间和噪声子空间;再利用子空间的正交性,从阵列回波信号中去除其在海杂波子空间的投影分量,达到在空域抑制海杂波的目的. 该方法与现有的空域海杂波抑制方法相比,不需要预先知道海杂波的方位,利用阵列协方差矩阵的SVD来估计子空间,使得子空间的估计比较容易且准确,提高了输出信杂噪比(signal to clutter plus noise ratio, SCNR),有利于目标的检测.     

基于改进的奇异值分解的红外弱小目标检测

为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。     

基于二分递推SVD的信号奇异性位置精确检测

 提出利用信号构造行数为2的矩阵,在奇异值分解后保留小奇异值对应的分量,并取大奇异值所对应的分量信号重复构造相同矩阵进行奇异值分解,从而将原始信号分解为一组分量信号.这种分量信号具有二阶消失矩,可实现对原始信号中Lipschitz指数为0和1的奇异性的位置精确检测,其检测脉宽小,且在同一层分量中指示奇异点位置的模极大值和奇异点处的突变量、转折斜率具有正比线性关系.此法克服了小波变换检测结果的位置偏移和脉冲宽大的缺陷,在对铣削力信号的处理中,准确地检测出了其中的微弱冲击.