LLE重构和SVD分解的地震信号降噪方法

针对现有地震信号降噪方法处理地震剖面的弯曲同相轴效果不佳,提出联合局部线性嵌入（LLE）和奇异值分解（SVD）方法的地震信号降噪技术。利用LLE的重构思想,对地震数据采样点用其近邻进行重构,实现非线性模式的弯曲同相轴的线性化处理,并去除一定程度的随机噪声;根据地震资料有效信号具有良好相关性的特性,采用SVD分解对LLE重构后的地震数据进行有效信号和噪声分离,剔除不相干的噪声,最终实现地震数据的随机噪声压制。在正演模型和真实地震资料上进行了实验,实验结果表明：与传统SVD方法相比,提出的方法很好地消除了随机噪声,有效信号基本上无丢失。     

基于LLE方法的地震数据随机噪声压制

奇异值分解（SVD）方法在地震数据去噪中得到了较好的发展。在时间域或频率域进行随机噪声压制时,SVD技术往往对呈现线性模式的水平同相轴有较好的去噪效果。然而,对呈现非线性模式的弯曲同相轴效果不佳,从而限制了其在实际中的应用。为此,提出一种基于局部线性嵌入（LLE）的地震数据随机噪声压制方法,其思想是不考虑LLE方法的降维特性,而仅考虑其重构特性,利用局部线性嵌入的重构思想,对地震数据采样点用其近邻进行重构,得到去除随机噪声后的结果。正演模型及实际资料处理结果对比表明,该方法在有效压制随机噪声的同时,能够较好地保留非线性模式的有效信号,优于常规SVD滤波结果。     

奇异值分解去噪中有效秩阶次的自身辅助确定

为解决奇异值分解(Singular value decomposition,SVD)去噪中有效秩阶次难以确定的问题,提出一种利用SVD本身进行辅助确定的方法。充分借助SVD在奇异性检测中表现出的优良特性,将原始含噪信号进行SVD处理后获得的奇异值序列视作一个新的信号,并对该信号对象重新进行奇异值分解;通过对各分量信号的奇异性检测,将奇异值序列的奇异点位置作为有效秩阶次确定的依据。对一个仿真实例信号的实验结果表明,该方法可准确地确定出有效秩阶次,从而能够实现信号的有效去噪。     

用于两相流电容层析成像系统中的图像重建算法

图像重建算法研究和增加投影数据是改善图像重建质量的两个重要方面。由于目前在ECT系统中存在着一种基于奇异值分解（SVD）的图像重建算法,此算法中的奇异值将对应图像重建矩阵中很大的对角线元素,从而导致伪逆很不稳定。因而讨论了改进的基于奇异值分解（MSVD）的图像重建算法,该算法是用改进奇异值分解方法求出图像重建矩阵。仿真及实验结果均表明该算法是一种实时的、重建图像质量优于SVD。     

基于构造Hankel矩阵的SVD陷波方法*

提出一种新的通过加入引导信号构造Hankel矩阵经奇异值分解（SVD）滤除相应频率成分的陷波方法。根据待处理信号构造的Hankel矩阵,经SVD后其奇异值对应信号中不同频谱幅值的频率成分,提出加入某特定频率信号作为引导信号使得该频率成分成为信号中的主成分,形成易区分的奇异值对,在信号重构时除掉该奇异值对便可滤除相应频率成分。用本方法对脑磁信号进行50 Hz工频陷波处理,达到了很好的陷波效果,且该方法不受传统滤波器陷波越深受影响带宽越宽的限制。     

基于二次奇异值分解和最小二乘支持向量机的轴承故障诊断方法

为了解决奇异值分解(SVD)对不同信号分解的有效奇异值个数不同,而影响故障识别准确性的难题,提出了基于二次SVD和最小二乘支持向量机(LS-SVM)的故障诊断方法。该方法利用奇异值曲率谱自适应选择有效奇异值重构信号,进行二次SVD处理,获得相同个数的正交分量,求解其能量熵,并构造故障特征向量,用于LS-SVM分类模型故障识别。将该方法应用于轴承故障诊断,与利用特定个数的主奇异值作为特征向量的方法相比,准确度提高了13.34%,表明了该方法的可行性和有效性。     

垮落煤岩性状识别研究

针对综放工作面垮落煤岩性状识别的技术问题,提出了一种基于连续小波变换和改进奇异值分解的识别方法。采用基于单边Jacobi的奇异值分解(SVD)方法对小波系数矩阵进行分解,得到与小波系数矩阵列向量位置对应的奇异值向量,并将奇异值向量作为神经网络的输入向量来识别落煤和落岩2种工况。现场试验结果表明,基于连续小波变换与SVD得到的奇异值向量可用于识别垮落煤岩,但基于连续小波变换与改进SVD得到的奇异值向量具有更高的识别率。     

一种抗协议攻击的SVD数字水印

数字水印在应用中可能会受到很多攻击,最难对付的一种攻击是协议攻击。提出了一种基于奇异值分解(SVD)的数字水印算法,用媒体哈希序列对二值水印图像进行加密调制,然后通过随机选取分块,嵌入多份调制后的水印到宿主图像分块SVD的奇异值中,加大了嵌入容量和减少了可能的替换攻击。图像质量评价用适合于SVD的算法,可以较好地符合人眼的主观评价。理论分析表明所提算法具有抵抗协议攻击的能力,实验结果表明,所提算法对各种攻击具有很好的鲁棒性。     

小波包重构系数矩阵与改进SVD的人脸识别

提出了一种采用小波包重构系数矩阵与改进SVD的人脸识别新算法.小波包变换是小波变换的推广,可视为普通小渡函数的线性组合,具有灵活的时频分析能力.小波包重构系数矩阵与原始图像矩阵的尺寸相同,具有较高的精度.使用常规Colub-Reish算法的奇异值分解(SVD)所得到的奇异值(SV)按由大到小的顺序重新排列过,无法确定每个SV与输入矩阵列向量的对应关系.改进的SVD方法能够使得奇异值与每个频带的重构系数相对应,进而构造出人脸图像小波包重构系数矩阵的奇异值特征向量,并采用基于方差计算的相似度分类方法识别人脸.实验表明,该方法识别率高、稳定性强.     

图像矩阵降维压缩的一种新方法

由于矩阵的SVD分解方法反映了图像的内在属性和本质特征，在图像处理中得到了广泛应用．但在矩阵降维压缩过程中对奇异值的最小数日还没有定量的确定方法，这给SVD在图像特征提取中的应用带来很大困难．为此，在研究确定奇异值可压缩到最小数日的基础上。提出一个奇异值压缩的降秩准则。并给出了具体的证明过程和计算方法．计算机仿真研究验证了所提出计算方法的正确性．     

Method for rapid high-frequency seismogram calculation

We present a method for rapid, high-frequency seismogram calculation that makes use of an algorithm to automatically generate an exhaustive set of seismic phases with an appreciable amplitude on the seismogram. The method uses a hierarchical order of ray and seismic-phase generation, taking into account some existing constraints for ray paths and some physical constraints. To compute synthetic seismograms, the COMRAD code (from the Italian: “COdice Multifase per il RAy-tracing Dinamico”) uses as core a dynamic ray-tracing code. To validate the code, we have computed in a layered medium synthetic seismograms using both COMRAD and a code that computes the complete wave field by the discrete wave number method. The seismograms are compared according to a time–frequency misfit criteria based on the continuous wavelet transform of the signals. Although the number of phases is considerably reduced by the selection criteria, the results show that the loss in amplitude on the whole seismogram is negligible. Moreover, the time for the computing of the synthetics using the COMRAD code (truncating the ray series at the 10th generation) is 3–4-fold less than that needed for the AXITRA code (up to a frequency of 25 Hz).     

Modified particle swarm optimization and fuzzy regularization for pseudo de-convolution of spatially variant blurs

We propose a modified particle swarm optimization (MPSO) based method for Pseudo De-convolution of the ill-posed inverse problem namely, the space-variant image degradation (SVD). In this paper, SVD is simulated by the pseudo convolution of different sub-regions of the image with different known blurring kernels and additive random noise with unknown variance. Two heuristic modifications are proposed in PSO: 1) Initialization of the swarm and 2) Mutation of the global best. Fuzzy logic is applied for the computation of regularization parameter (RP) to cater for the sensitivity of the problem. The computation of RP is crucial due to the additive noise in the SVD image. Thus mathematical morphology (MM) is applied for better extraction of spatial activity from the distorted image. The performance of the proposed method is evaluated with different test images and noise powers. Comparative analysis demonstrates the superiority of proposed restoration, in terms of quantitative measures, over well-known existing and state-of-the-art SVD approaches.     

Time domain signal enhancement based on an optimized singular vector denoising algorithm

This paper presents a new time domain noise reduction approach based on Singular Value Decomposition (SVD) technique. In the proposed approach, the noisy signal is initially represented in a Hankel Matrix. Then SVD is applied on the Hankel Matrix to divide the data into signal subspace and noise subspace. Since singular vectors are the span bases of the matrix, reducing the effect of noise from the singular vectors and using them in reproducing the matrix leads to considerable enhancement of information embedded in the matrix. The noise-reduced singular vectors from the signal subspace are utilized to reconstruct the data matrix. This matrix is finally used to obtain the time-series signal. The results of applying the proposed method to different synthetic noisy signals indicate a better efficiency in noise reduction compared to the other time series methods.     

基于谱的三维随机海浪数值模拟研究

为有效地模拟三维波浪,从已有的统计观测结果出发,应用P-M谱和SWOP方向函数的基础上,建立了风浪的三维随机波面数学模型,该模型采用多个随机余弦波叠加来模拟随机波浪曲面。最后利用Matlab实现了该算法,结果表明这种方法能有效地模拟三维随机海浪。     

基于四元数模型和奇异值分解的图像水印算法

将四元数离散余弦变换（QDCT）和奇异值分解（SVD）相结合,提出了一种在彩色图像中嵌入水印的新方法。首先,借助Arnold置乱对二值水印进行预处理,应用四元数理论将彩色图像进行分块QDCT和SVD;然后,利用Logistic映射随机抽取一批图像块实现水印的嵌入。实验表明,该方法具有较强的抗JPEG压缩能力,对各种噪声和滤波等具有较好的鲁棒性。     

自适应多尺度SVD去噪算法及在PQMD中的应用

为了提高电能质量复合扰动（PQMD）信号的去噪指标,实现扰动信号特征的准确检测,提出一种自适应多尺度SVD（Adaptive Multi-resolution Singular Value Decomposition,AMSVD）去噪新算法及数学框架。该算法首先分析了高斯白噪声奇异值分布情况及多尺度SVD消噪原理,针对不同尺度下的噪声近似与细节信号奇异值差值规律,确定出最佳消噪尺度的约束条件,由此实现噪声先验信息未知的自适应消噪方法。研究结果表明,在对不同噪声方差下的电能质量复合扰动去噪处理中,AMSVD消噪效果优于其他5种方法。为了进一步验证AMSVD算法去噪后特征量检测的准确性,采用希尔伯特黄变换（HHT）提取扰动特征信息,仿真结果表明该算法具有可行性和鲁棒性。     

采用SVD-NMF的管道泄漏信号去噪算法

在管道泄漏检测中,压力信号中的噪声干扰会降低传统互相关法的定位精度。传统的去噪算法对环境的适应性差,去噪效果不理想。为此,提出了一种奇异值分解SVD( Singular Value Decomposition)与非负矩阵分解NMF( Nonnegative Matrix Factorization)相结合的管道泄漏信号去噪算法。该方法首先通过奇异值分解确定非负矩阵分解的阶数并对其初始化;然后,采用改进的非负矩阵分解算法对原信号进行迭代分解,获得去噪信号;最后,对去噪信号进行处理后通过互相关计算时延,并结合泄漏信号的传播速度实现泄漏定位。大量实验结果表明,SVD￣NMF算法能够显著降低迭代次数,提高去噪速度;同时在泄漏检测中,能够达到去除噪声干扰,提高定位精度的目的。     

Geometrical recovery of missing data for shape from motion

This paper studies the geometrical recovery of an incomplete observation matrix for converting existing 2D video sequences to 3D content. In situations when converting previously recorded monoscopic video to 3D, several entries of the observation matrix have not been observed and other entries have been perturbed by the influence of noise. In such cases, there is no simple solution for SVD factorization for shape from motion. In this paper, a new recovery algorithm is proposed for recovering missing feature points, by minimizing the influence of noise, using iteratively geometrical correlations between a 2D observation matrix and 3D shape. Results in practical situations demonstrated with synthetic and real video sequences verify the efficiency and flexibility of the proposed method.