基于改进奇异值的局放信号窄带干扰滤除方法

为了抑制局部放电（Partial Discharge,PD）信号中窄带干扰的影响,本文提出一种基于改进奇异值分解（Singular Value Decomposition,SVD）的降噪方法。首先将染噪信号构建为Hankel矩阵,并进行奇异值分解;其次分析窄带干扰和PD信号的奇异值规律;最后根据两者奇异值特性的不同设置合理的阈值,滤除窄带干扰。仿真实验表明,该方法能有效滤除窄带干扰,较大程度地保留PD信号的信息。     

基于奇异值分解和Savitzky-Golay滤波器的信号降噪方法

为降低信号中噪声的干扰,将奇异值分解(SVD)理论和Savitzky-Golay滤波器相结合提出了一种新的降噪方法。该方法首先分析了信号负熵随信噪比变化的规律,而后通过将负熵作为降噪效果的评估参数,确定了SVD降噪过程中构造的Hankel矩阵的最优维数;其次采用Savitzky-Golay滤波器对用于重构信号的奇异值进行了平滑滤波处理,并分析了Savitzky-Golay滤波器结构对降噪效果的影响,最后通过定义误差函数确定了Savitzky-Golay滤波器的最优结构。将该方法应用于线性调频信号和多成分周期信号的降噪实验,结果表明:基于SVD和Savitzky-Golay滤波器的降噪方法能有效降低噪声干扰,是一种有效的信号降噪方法。     

形态滤波在单频周跳探测中的应用

为了实现北斗导航过程中历元间周跳的精准探测,提出了一种基于形态滤波和奇异值分解(SVD)的周跳检测方法.利用相位减伪距法构造周跳检测量作为原始周跳信号.进而构造Hankel矩阵对原始信号进行SVD,得到具有不同分辨率的分量信号,并对得到的分量信号进行形态滤波.使用峭度准则选择峭度值较大的分量进行信号重构,以达到滤除噪声干扰,突出周跳特征的目的.实验结果表明:此方法可以对小周跳进行精确的探测,有效提高了周跳的探测精度.     

基于特征均值的SVD信号去噪算法

根据矩阵奇异值分解原理,提出基于特征均值的信号去噪算法。该算法首先构造出加噪信号的Hankel矩阵,并对其进行SVD变换,再将小于全体特征值的均值的那些特征值置零,最后通过SVD反变换重建出去噪后的信号。通过与传统小波和FFT信号去噪算法进行对比实验。结果表明,该方法具有较强的噪声鲁棒性,同时能更好地保留信号细节,但实现速度有所降低。     

认知无线电网络中基于SVD算法的无线麦克风信号的检测*

在无线区域网中,作为授权用户的无线麦克风信号的低功率和窄带宽使得这种信号的检测非常困难。提出了基于奇异值分解的无线麦克风信号检测方法。对由接收信号形成的Hankel矩阵作奇异值分解,通过检查奇异值来检测无线麦克风信号的存在并估计该信号的中心频率,进而可以设置保护频带;非授权用户可以使用保护频带之外的频率资源,从而改善频谱效率。仿真结果证明了基于SVD的频谱检测算法具有更好的检测性能和很高的频率估计精度。     

考虑敏感因子奇异值分解的北斗周跳探测方法

针对北斗导航系统中信噪比较高的周跳信号难以提取和定位的问题,提出一种基于敏感因子的奇异值分解(SVD)方法对周跳信号进行探测。利用相位减伪距法构造周跳检测量进行初步探测,对选取的周跳信号建立Hankel矩阵并做SVD分解,利用敏感因子在得到的分量信号中找出敏感分量,通过定位因子选择敏感分量所对应的奇异值进行信号重构,重构信号中的突变位置即发生周跳信号的历元。仿真结果表明,该方法较传统SVD方法能够更准确地定位发生周跳信号的历元。     

基于SVD的涡街流量计信号处理方法

针对涡街信号处理中振动干扰及噪声信号难以分离的问题,提出一种基于奇异值分解(SVD)的信号处理方法。在获取涡街传感器输出的两路差分信号的基础上,利用噪声系数对两路信号进行合成,并采用SVD对信号的主要频率成分进行分解。通过对涡街信号幅频关系的分析,将有效信号分量从分解出来的频率成分中提取出来,进而计算出信号的频率。测试结果表明利用SVD可以有效提取信号中的主要频率成分,滤除杂乱噪声及振动干扰信号,提高涡街流量计信号处理的准确度与抗干扰性。     

奇异值分解结合频率切片小波变换的轴承故障提取方法

针对频率切片小波变换在强背景噪声条件下故障特征识别能力不足的缺点,提出了奇异值分解和频率切片小波变换相结合的故障特征提取方法。首先利用原始信号构造Hankel矩阵,根据奇异值差分谱单边极大值原则确定阶次并进行降噪处理;继而利用频率切片小波对降噪信号进行分析,得到全频带时频图后,对能量集中的时频区域进行细化分析;通过频率切片小波逆变换得到相应的重构信号;最终可以从重构信号的波形图中提取出轴承故障特征频率信息。仿真信号和实测信号分析表明,该方法能够实现滚动轴承运行状态的准确判别,对实际工程应用具有重要意义。     

基于SVD分量包络方法的北斗周跳探测研究

针对北斗观测数据中存在的小周跳难以探测的问题,提出了基于SVD分量包络的周跳探测方法。首先利用伪距和相位相结合的方法构造出周跳检验量,然后对周跳检验量构建Hankel矩阵进行奇异值分解,得到包含突变信息的子空间。再对子空间逆变换得到的分量信号进行包络分析。实验结果表明,利用奇异值处理去噪后,进行包络变换能正确探测出小周跳。     

基于多级子空间投影的侧扫声呐底混响抑制

底混响是侧扫声呐进行沉底静态小目标探测时的主要背景干扰,针对此问题提出了一种基于多级二分奇异值分解BSVD子空间投影的底混响抑制方法.该方法首先对接收信号构造二阶Hankel矩阵,通过矩阵的奇异值确定混响子空间,然后利用正交子空间投影抑制回波信号中的底混响,最后根据所选级数对回波信号进行多级正交子空间投影,并用otsu...     

一种基于行列法离散点边界搜索算法*

平面上构建离散点的边界在地理信息系统(GIS)中应用广泛,提出了基于行列法的平面离散点边界搜索的新算法,目的是解决平面离散点边界问题,通过确定步长大小,按步长对离散点分别进行行搜索和列搜索,得到离散点的边界曲线,介绍了行列边界算法的基本思想和实现过程。该算法能够正确地搜索包含凹凸特征的离散点边界,与传统边界生成算法相比,它具有通用、实现简单等特点。该算法在油田GIS领域边界划分中得到了很好的应用,能够准确地构建油田边界。     

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.     

A time–frequency approach for noise reduction

This paper proposes a technique for reducing noise from a signal's time series using a time–frequency distribution. The technique is based on the SVD of the matrix associated with the time–frequency representation of the signal. In this approach the time–frequency representation of the signal is initially divided into signal subspace and noise subspace using singular values of the time–frequency matrix as a criterion for space division. 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 enhances the information embedded in the time–frequency representation of the signal. The proposed approach utilizes the Savitzky–Golay low-pass filter for noise attenuation from the singular vectors. The results of applying the proposed method on both synthetic signals and newborn EEGs indicate superiority of the proposed technique over the existing one in reducing noise from signals.     

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。     

液晶显示器斑痕缺陷高质量背景建模

针对目前液晶显示器斑痕(LCD-Mura)缺陷背景抑制检测中重建的背景存在引入性噪声干扰和目标缺损的问题,提出一种基于奇异值分解(SVD)和最大熵的缺陷图像背景建模方法:通过SVD图像像素矩阵,求得奇异值序列;借助矩阵范式推导出图像分量与奇异值的对应关系,进而以图像各分量奇异值所占比率计算各分量的熵值,以此利用最大熵确定重建背景的有效奇异值;再由矩阵重构得到背景,并进一步提出关于背景重建效果评价的一般方法。相比双三次B样条曲线拟合方法,该方法将区域Mura的对比度最少提升0.59倍,提升线Mura对比度最多达到7.71倍;相比离散余弦变换(DCT)方法,该方法将点Mura的噪声最少降低33.8%,将线Mura噪声降低76.76%。仿真结果表明,该模型具有低噪、低损和高亮的优点,能够更为准确地构建出缺陷图像的背景信息。     

基于混沌和SVD DWT的稳健数字图像水印算法*

针对现有适用于图像的数字水印对信号处理和几何失真比较敏感的问题,提出一种稳健的数字图像水印算法。该算法先对整个图像应用三级离散小波变换,再对低频域运用奇异值分解,并通过修改奇异值,嵌入经过混沌置乱的水印图像的奇异值,在小波变换域的中频系数上嵌入水印信息。水印检测时,分别在中频区域和低频提取水印并进行比较,采用效果较好的水印作为检测水印。实验结果表明,该方法对一般的信号处理操作及几何攻击等均具有较好的鲁棒性。