分布式散射体相位估计奇异值分解法

常规的分布式散射体(DS)相位估计方法需要生成全组合干涉对以构建样本协方差矩阵(SCM),然后根据SCM的统计特性估计DS相位,这一过程不但计算耗时,而且占据大量存储空间。本文提出了一种基于奇异值分解技术的DS相位快速估计方法(SVDI)。该方法分析的对象是单主影像干涉对组成的干涉相位矩阵而非全组合干涉对组成的SCM,因而可以有效提高计算效率、节省存储空间。并且,理论上证明了在一定条件下SVDI的结果与常规的特征值分解方法(EVD)是一致的。模拟数据和真实SAR数据的结果表明,SVDI算法有更高的计算效率,并且其相位估计精度以及形变解算精度与常规算法是一致的。

奇异值分解滤波在甲状腺结节微波消融围术期超声造影评估中的应用

目的:探讨奇异值分解(SVD)在优化超声造影(CEUS)图像质量以及甲状腺结节微波消融(MWA)围术期CEUS评估中的应用价值。方法:收集2023年4月在武汉科技大学附属华润武钢总医院2例行甲状腺结节MWA患者其围术期的二维超声、CEUS图像数据集,根据归一化互相关算法获取基于CEUS图像进行SVD滤波处理后的造影图像,比较原始CEUS图像和SVD滤波处理后的造影图像的信噪比(SNR)及微血管密度(MVD)的差异。结果:与甲状腺结节MWA术前和术后的原始CEUS图像相比,经SVD滤波处理后的造影图像能够更清晰显示结节内血管结构且检测出更多的血流信号。术后原始CEUS图像的平均SNR为(1.07±0.66)dB,术后经SVD滤波处理后的造影图像平均SNR为(6.21±1.01)dB(t=-6.015,P=0.038)。术后原始CEUS图像的平均MVD为(0.60±0.33)%,术后经SVD滤波处理后的造影图像平均MVD为(5.42±0.67)%(t=-9.076,P=0.029)。术后经SVD滤波处理后的造影图像SNR、MVD,显著高于术后原始CEUS图像的SNR、MVD,其研究结果均具有统计学意义。结论:SVD滤波可有效抑制噪声并增强微血流信号,通过提升造影图像质量以用于甲状腺结节MWA围术期的精准诊断,灵敏地检测出术后残留的消融不完全区域,以指导临床医师进行更彻底地消融治疗,为精准消融疗效评估提供决策支持。

奇异值分解五阶容积卡尔曼滤波汽车状态估计

针对三阶滤波对高维汽车非线性模型估计精度有限的问题,以电动汽车为研究对象,提出了一种基于奇异值分解的五阶容积卡尔曼滤波(SVD-FCKF)车辆状态估计器。首先基于Dugoff轮胎模型,构建高维非线性7自由度车辆动力学模型。然后根据三阶球面-径向容积规则将CKF拓展到五阶,使其具有五阶泰勒级数展开精度,同时利用奇异值分解代替传统Cholesky分解,提高估计器的鲁棒性。最后利用Carsim和Matlab/Simulink联合仿真平台对SVD-FCKF进行验证,结果表明:改进的SVD-FCKF估计器能够有效提高电动汽车纵向速度、侧向速度、质心侧偏角和四轮转速的估计精度和稳定性,多工况适应能力强,整体估计效果优于CKF估计器。研究结果为电动汽车主动安全研究提供了理论支撑,具有实际应用价值。

矩阵奇异值分解与非齐次线性方程组系数矩阵的广义逆求解

非齐次线性方程组在多数实际工程反演问题中较为常见,对其进行有效地求解是解决实际反演问题的关键,本文通过对方程组系数矩阵进行奇异值分解,推导非齐次线性方程组系数矩阵的广义逆求解过程,给出具体的求解方法和实现步骤,使得求解算法更容易进行计算机编程.

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。

基于叶尖定时数据奇异值分解的振动事件识别

叶尖定时数据自动化测量及处理是旋转机械在线监测和智能运维的必要环节,快速、准确判断叶片振动类型,实现振动事件识别是数据自动化测量及处理的关键。提出了一种基于加窗叶尖定时数据奇异值分解的振动事件识别方法,仅需单只传感器准确识别叶片同步、异步振动事件。基于不同叶片叶尖定时数据时延特性,加窗构造了“类重构吸引子矩阵”,根据矩阵奇异值特征实现振动事件识别。开展了方法仿真及实验验证,仿真与实验结果一致性良好,压气机试验件测试数据表明,叶片发生振动事件时第1奇异值增大为7倍以上,其中发生异步振动事件时第2奇异值增大为14倍以上,提出方法能够准确识别叶片同步、异步振动事件。

基于奇异值分解的滚动轴承故障诊断方法

针对奇异值分解中Hankel矩阵维数和奇异值个数选择的问题,提出了确定矩阵维数和选择奇异值个数的新方法,实现对滚动轴承的故障诊断。将提出的方法应用于实测滚动轴承内圈和外圈故障信号中,通过对信号的降噪处理和包络谱分析,有效消除了实测振动信号中的无用频率成分,提取了信号中包含的轴承故障特征频率。

基于奇异值分解张拉整体结构找形方法

张拉整体结构是由一组不连续的受压单元包含于连续受拉单元组成的稳定自平衡结构,为了寻找自平衡状态下的构型,引入奇异值分解的方法,将寻找张拉整体结构的自平衡构型问题转化为最小奇异值的判定。通过广义节点坐标和构件之间的连接关系建立结构的数学模型;引入力密度的概念,对张拉整体结构进行受力分析,列写包含平衡矩阵的平衡方程;对平衡矩阵进行奇异值分解,利用分解获得的最小奇异值判断平衡方程是否有解,对张拉整体结构是否存在自平衡构型进行初步判定,再依据获得的力密度的均匀性(同组构件力密度大小相等)和正负属性(杆的力密度小于0,索的力密度大于0)对结构自平衡状态进一步判断;通过实例分析对该找形方法的可行性进行了验证,结果表明:该方法可以找到张拉整体结构自平衡构型。本文为寻找自平衡张拉整体结构提供了一种思路。

超声矢量血流成像联合奇异值分解滤波检测肝脏深部微血管内血流速度

目的观察超声矢量流速成像(VFI)联合奇异值分解(SVD)滤波对检测肝脏深部微血管内血流速度的价值。方法前瞻性对1例疑诊肝血管瘤患者采集肝脏灰阶超声、CDFI及超声造影(CEUS)图;对CEUS图行SVD滤波处理,以互相关算法分别获取基于灰阶超声、原始CEUS及经SVD滤波处理后CEUS的VFI,比较其检测肝脏微血管血流方向和速度的差异。结果肝脏灰阶超声、原始CEUS及经SVD滤波处理后CEUS图的信噪比(SNR)分别为7.56、17.65及22.43 dB,对比组织比(CTR)分别为1.12、7.56及16.34 dB。相比基于灰阶超声和原始CEUS的VFI,经SVD滤波处理后CEUS的VFI可检出更高速、方向更均一的血流。SVD滤波处理前、后,VFI所测肝脏微血管内血流速度分别为1.91(0.81,4.11)及6.83(4.25,9.41)mm/s,差异有统计学意义(Z=-10.671,P<0.001)。结论联合SVD滤波可显著提高VFI检测肝脏深部微血管内血流速度的效能。

基于QR迭代的量子奇异值分解

针对大型矩阵奇异值分解(singular value decomposition,SVD)时使用经典算法时间复杂度较高,以及已有的量子SVD算法要求待分解的矩阵必须具有非稀疏低秩的性质,并且在计算过程中构造任意大小酉矩阵对目前的量子计算机来说实现起来并不容易等问题,提出基于QR迭代的量子SVD。QR迭代使用的是Householder变换,通过量子矩阵乘法运算完成经典矩阵乘法运算过程。实验结果表明,该方法能够得到所求矩阵的奇异值及奇异矩阵,使大型矩阵的SVD具有可行性。

基于奇异值分解算法的非接触纱线张力测量

为解决目前接触式纱线张力检测易对纱线运动产生干扰的现状,设计了基于图像处理的非接触式纱线张力测量系统。使用高速相机结合纱线弦振动理论基础和图像处理技术采集运动状态纱线图像信息。利用奇异值分解算法通过视频图像数据降维、重组振动位移提取、迭代去噪等操作获取振幅频率信息。借助快速傅里叶变换将纱线振动时域特性转换为频域特性并绘制频域图及时域图,最后搭建纱线振动监测实验平台检验算法的可行性和可靠性。结果表明:纱线张力和纱线频率具有正相关性,当纱线张力在50~80 cN之间时,通过对比实验得到算法求解的纱线张力与实际测量的张力绝对误差小于10%,可较好地反映纱线实时张力情况。基于机器视觉的非接触式纱线张力具有安装简单,实时性强,精度高等特点,避免了接触式张力测量方法存在的损伤纱线和测量精度受工艺环境干扰等弊端。

基于量子奇异值估计的岭回归算法

作为一种有监督学习算法,岭回归算法有着十分广泛的使用。本工作将量子奇异值估计与经典岭回归算法相结合,提出了一种量子岭回归算法。该算法利用量子计算的并行特性,实现了对岭回归拟合参数的求解以及预测值的获取。复杂度分析表明,所提算法有效解决了数据矩阵为非厄米矩阵时需要进行矩阵拓展或者矩阵运算的问题,与经典算法相比在运行时间上具有指数级加速。此外,本工作还给出了所提算法的量子电路图并对其关键步骤进行了仿真实验,实验结果验证了所提算法的有效性和可行性。

迭代奇异值方法在机械结构模态分离重构中的应用

通过时频分解技术,将复杂的多模态信号分解成单模态成分,从而可以采用比较简单可靠的单模态识别方法对机械结构复杂模态信号进行参数辨识。经验小波变换(EWT)算法能有效解决模态分离问题,一些改进型EWT算法能有效克服噪声干扰,但是在模态重构时,滤波器彼此重叠、临近模态互相干扰,会不可避免地出现重构模态失真。本文针对模态分离重构问题展开研究,分析了EWT算法在模态分离重构中面临的重构失真问题,提出了基于迭代截断奇异值分解(ITSVD)方法的改进算法,并在仿真信号和含结合面机械结构模型振动响应信号上进行了应用。结果表明,所提ITSVD⁃EWT算法能够更好地实现机械结构模态分离重构。

回差矩阵奇异值方法改进和MIMO系统稳定性分析

高速防空导弹大攻角飞行时,耦合现象严重,弹体的高动态响应特征进一步加剧通道耦合,因此研究通道耦合下的系统稳定性至关重要。本文提出一种双通道控制模式下,单通道断开、耦合通道视为内回路的传递函数矩阵,并引入回差阵奇异值法计算系统稳定裕度。通过仿真将传统奇异值法和基于传递函数矩阵的奇异值改进法计算出的稳定裕度、单通道稳定裕度、双通道断开的稳定裕度和基于通道耦合下的稳定裕度,结合系统的时域响应进行对比分析。结果表明,改进回差阵奇异值法计算结果更精确,通道耦合下的开环传递函数对系统稳定性描述更合理。

奇异值分解滤波联合Frangi滤波对超微血管成像图像质量的影响

目的 观察奇异值分解(SVD)滤波联合Frangi滤波对超微血管成像(SMI)图像质量的影响。方法 分别对1具仿体及1例疑诊肝血管瘤患者行CEUS,分别以SVD滤波(A组)、Frangi滤波(B组)、Frangi+SVD滤波(C组)及SVD+Frangi滤波(D组)处理图像,之后比较不同图像的质量。结果 4组仿体及人体肝脏SMI对比组织比(CTR)、对比度噪声比(CNR)及信噪比(SNR)均高于原始CEUS图像。相比原始图像,D组图像质量及分辨率提升最为显著,仿体SMI的CTR、CNR及SNR分别提升58.04、3.39及48.04 dB,人体肝脏SMI相应参数则分别提升61.85、16.80及49.67 dB,而分辨率分别为原始CEUS图像的1.42倍及1.98倍。结论 SVD滤波联合Frangi滤波可有效提高SMI图像质量。

基于奇异值滤波的旋转装备转速提取

课题组针对无硬件测量设备的振动信号转速信息提取算法中存在频带不易确定和运算量大等问题,提出一种奇异值分解滤波的转速估计方法。先将振动加速度信号先作Hankel重构,再奇异值分解,然后利用差分奇异谱确定重构奇异分量,依据连续两个奇异分量确定一个频率成分,重构各频率分量信号,最后对重构分量作频谱分析估计当前转速。实验表明:奇异值分解滤波能有效提取信号中的频率分量,进而从振动加速度信号中提取转速信息。对比实验证明了课题组提出的方法具有频带自适应、易于实现和精度高的优势。

基于奇异值分解的隐式后门攻击方法

深度神经网络训练时可能会受到精心设计的后门攻击的影响.后门攻击是一种通过在训练集中注入带有后门标志的数据,从而实现在测试时控制模型输出的攻击方法.被进攻的模型在干净的测试集上表现正常,但在识别到后门标志后,就会被误判为目标进攻类.当下的后门攻击方式在视觉上的隐蔽性并不够强,并且在进攻成功率上还有提升空间.为了解决这些局限性,提出基于奇异值分解的后门攻击方法.所提方法有两种实现形式:第1种方式是将图片的部分奇异值直接置零,得到的图片有一定的压缩效果,这可以作为有效的后门触发标志物.第2种是把进攻目标类的奇异向量信息注入到图片的左右奇异向量中,也能实现有效的后门进攻.两种处理得到的后门的图片,从视觉上来看和原图基本保持一致.实验表明,所提方法证明奇异值分解可以有效地利用在后门攻击算法中,并且能在多个数据集上以非常高的成功率进攻神经网络.

基于奇异值分解的γ能谱弱峰识别

针对低放射性核素样品的γ能谱分析中的弱峰识别问题,提出了一种基于奇异值分解的γ能谱寻峰新方法。该方法通过改进矩阵的构造方式,将γ能谱升维为双向循环矩阵后进行奇异值分解,选择第二个奇异值进行矩阵重构,并根据重构后的矩阵寻峰。以放射源152Eu的γ能谱为实验对象,与一阶导数寻峰、对称零面积寻峰和其他矩阵的奇异值分解寻峰方法进行了对比。实验结果表明:双向循环矩阵奇异值分解寻峰方法,在检测弱峰时拥有更高的查全率、查准率和F1值,分别达到了100%、87%和0.94,优化了弱峰检测的效果,为寻峰方法提供更多的选择。

基于小波变换与奇异值分解的飞鸟动态电磁散射特征提取

雷达探鸟是航空安全、环境生态等领域的热点问题。鸟类目标的雷达散射截面(RCS)较小,散射特征单一,给鸟类探测带来诸多挑战。为解决这些问题,本文提出一种基于小波变换与奇异值分解的飞鸟目标动态电磁散射特征提取方法。首先将飞鸟扑翼频率为2~20 Hz的动态RCS序列进行小波变换得到各分支小波系数,再对各分支小波系数进行重构,将小波系数组成的特征矩阵进行奇异值分解,用特征值对飞鸟动态电磁散射特征进行量化描述。为了验证该方法的有效性,本文在盘旋航迹和平飞航迹、水平极化和垂直极化下分别进行入射频率为0.5、1和3 GHz的数值实验对方法进行验证。结果表明特征值与飞鸟的扑翼频率呈现明显线性相关关系,能够有效反映飞鸟的运动特性,为鸟类目标的雷达探测与识别提供新的视角和思路。

自适应奇异值阈值调控下超声微血管成像及融合成像

目的观察以奇异值分解滤波提取不同速度超声造影(CEUS)信号并进行融合成像对于提升可视化微血管结构的效果。方法分别对200帧小鼠皮下肿瘤及250帧人体肝脏CEUS图像数据集进行奇异值分解滤波处理,根据奇异值在其序列中的指数投影,以奇异值拐点作为区分低速与高速CEUS信号的阈值并提取相应信号,对处理后图像进行双模态融合成像;观察不同流速超声微血管成像区域图像分辨率的差异。结果以高奇异值序列范围处理后的高速血流图像保留快速移动CEUS信号,主要呈现较粗大血管结构;经低奇异值序列范围处理后的低速血流图像则保留低速移动CEUS信号,反映高速血流图像中的微血管结构;二者融合成像显示微血管网络更加完整。结论适当选取奇异值范围对以奇异值分解滤波处理优化CEUS图像至关重要;融合成像有利于提升微血管结构可视化效果。