基于加权矩阵的多维广义特征值并行分解算法

针对串行广义特征值分解算法实时性差的缺点,提出基于加权矩阵的多维广义特征值分解算法.与串行算法不同,所提算法能够在一次迭代过程中并行地估计出多维广义特征向量.平稳点分析表明:当且仅当算法中状态矩阵等于所需的广义特征向量时,算法达到收敛状态.通过对比相邻时刻的状态矩阵模值证明了所提算法的自稳定特性.所提算法参数选取简单,实际实施较为容易.数值仿真和实例应用进一步验证了算法的并行性、自稳定性和实用性.

基于参考信号的广义特征值分解盲源分离算法及其在北斗多路径效应削弱中的应用

多路径误差是北斗导航定位系统高精度动态监测的主要误差源。针对北斗导航定位系统多路径误差的特性,结合广义特征值盲源分离方法的优势,提出一种基于参考信号的广义特征值盲源分离算法来削弱多路径效应的影响。首先将前一天的原始坐标残差序列通过奇异谱分析方法进行去噪,其结果作为初始参考信号;然后将当天的原始坐标残差序列进行经验模式分解方法分解,分解得到的IMF分量作为虚拟观测数据,利用广义特征值盲源分离算法获取当天多路径误差信号;最后,利用仿真数据和连续10天的实际观测数据进行试验分析,结果表明利用该方法建立的多路径误差改正模型能有效地了削弱多路径的影响,北、东、天三个方向精度分别提高了78.8%、35.3%、90.1%。提出的模型在一定程度上解决了固定多路径模型随着时间推移重复性减小且有效性降低的问题。

一种新的基于广义特征值分解的盲信号分离算法

以矩阵的奇异值分解定理为基础,给出了一种基于广义特征值分解的盲信号分离算法,该算法以混叠信号的两个不同的方差矩阵为基础建立广义特征值问题,通过求解广义特征值问题的特征矢量来获得分离信号.该算法计算简单,避免了Para算法的不足,并能分离源信号中既有亚高斯信号又有超高斯信号的情况.仿真结果表明该算法是有效的,并具有很好的分离性能.

基于LD分解的广义特征值DOA估计方法

对阵列输出的相关矩阵进行ＬＤ分解，可找到信号子空间，由此得出了估计信号源ＤＯＡ的一种新的方法─—基于ＬＤ分解的广义特征值ＤＯＡ的估计方法。理论分析和计算机模拟结果表明本文提出的方法切实可行。

核子空间投影和广义特征值分解的云数据隐私保护

云数据及大量网络数据需要在保护用户隐私的前提下进行统计和分析,对此提出核子空间投影和广义特征值分解的云数据隐私保护算法。将云数据进行数学化建模,该算法将隐私保护作为数据转换问题进行处理,转换问题分为隐私不敏感任务和隐私敏感任务两类。该算法形成类间散布矩阵,寻找子空间维度来解决特征值分解问题,并对广义特征值排序,得到广义特征向量对应的最大广义特征值;对云数据进行转换,实现数据隐私保护。实验结果表明,该方法能够实现用户隐私保护,并且核广义特征值分解算法优于子空间隐私保护算法,且两种隐私保护算法都优于其他隐私保护方法。

基于广义特征值和核函数的非线性盲分离算法

在给出了一种基于广义特征值分解的线性混合信号盲分离方法的基础上,结合核特征空间而给出了一种非线性混合信号盲分离算法。该算法首先将混合信号映射到高维核特征空间,同时构造该核特征空间的一组正交基。其次,通过这组正交基将高维核特征空间的信号映射到参数空间,从而把非线性混合信号盲分离问题转化为参数空间的线性混合信号盲分离问题。在参数空间中,应用基于广义特征值分解的线性混合信号盲分离方法对信号进行分离。该算法具有闭解形式,计算简单,收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。

基于特征值分解的中心支持向量机算法

针对广义特征值中心支持向量机(GEPSVM)训练和决策过程不一致问题,该文提出一类改进的基于特征值分解的中心支持向量机,简称为IGEPSVM。首先针对二分类问题提出了基于特征值分解的中心支持向量机,然后基于"一类对余类"策略将其推广到多类分类问题。将GEPSVM求解广义特征值问题转化为求解标准特征值问题,降低了计算复杂度。引入了一个新的参数,可以调节模型的性能,提高了GEPSVM的分类精度。提出了基于IGEPSVM的多类分类算法。实验结果表明,与GEPSVM算法相比较,IGEPSVM不仅提高了分类精度,而且缩短了训练时间。

广义反自反阵的广义特征值反问题

讨论了给定矩阵X和对角阵Λ,求广义反自反矩阵广义特征值反问题AX=BXΛ的解(A,B),利用矩阵的奇异值分解和矩阵分块法,给出了其解的一般表达式.记上述问题解的集合为SAB,讨论了给定任意矩阵,,求矩阵(,)∈SAB,使得在F—范数意义下(,)为(,)的最佳逼近问题,证明了此问题存在惟一解,并给出了解的表达式.

对称正交对称矩阵的广义特征值反问题

已知矩阵X及对角阵Λ,讨论对称正交对称矩阵广义特征值反问题AX=BXΛ的解(A,B).利用矩阵的奇异值分解和矩阵分块法,给出其解的一般表达式,并用算例说明了这种方法是可行的.

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解(RAED)时延估计方法,扩展了自适应特征值分解(AED)时延估计方法的使用环境.该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数(广义NLM P)方法自适应得到该特征向量,从而获得时延估计.计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性.

中心主子阵约束下广义反中心对称矩阵的二次特征值反问题

利用矩阵的奇异值分解和商奇异值分解,建立了中心主子阵约束下二次特征值反问题的广义反中心对称解存在的充分必要条件,并给出了通解的表达式.进而,考虑了对任意给定矩阵的最佳逼近问题,得到了最佳逼近广义反中心对称解.

广义特征值问题的Collatz包含定理

工程中已发展了许多矩阵特征值问题的近似求解方法，由Ｄｕｎｃｌｅｙ法给出固有频率基频的下界，Ｒａｙｌｅｉｇｈ－Ｒｉｔｚ近似法建立的方程，给出基频的上界，以及通常的矩阵迭代法给出的矩阵的固有频率程序中是以某一元素迭代前后比值确定的，这样实际上很难说是上界或下界．Ｃｏｌｌａｔｚ包含定理仅适用于对称标准特征值问题，可以给出特征值上、下界． 采用矩阵 Ｃｈｏｌｅｓｋｙ三角分解的原理，把 Ｃｏｌｌａｔｚ包含定理推广到适用于具有对称矩阵的一般结构系统的广义征值问题，对于分解刚度矩阵或质量矩阵可给出基频，或最高固有频率．为了验证理论的正确性，给出了算例．

广义循环矩阵的特征值、逆、行列式值及在结构计算中的应用

给出求解广义循环矩阵的特征值、逆、行列式值及方程组的一种新的分解算法。它将原问题分解为一系列相互独立的子问题。和原问题相比 ,子问题具有较小的维数 ,因此它具有更好的特性和更小的舍入误差。特别是 ,能够带来较高的计算效率。

实广义自反矩阵左右逆特征值问题

给出了实广义自反矩阵的定义及相关性质,利用矩阵的奇异值分解,讨论了实广义自反矩阵左右逆特征值及其最佳逼近问题,得到了其通解表达式,并给出了此问题的最佳逼近解以及求最佳逼近解的数值算法和算例.

多自由度固有振动广义特征值问题的复分析证明——工科教育中的理论思维能力培养一例

在振动理论中,"线性系统固有振动的广义特征值问题仅具有非负实特征值"是一个基本的事实,然而现有教材对这一结论的证明一般都是基于矩阵分解理论,这对于绝大多数大学本科生而言属于超前的数学知识,因此会造成学习上的一定困难。本文针对该结论给出了一种基于复分析的较为初等的证明方法,该方法仅利用复数的基本概念和简单的矩阵代数运算而不涉及矩阵分解理论,从而既能保证理论体系的严密性,又降低了该问题的数学论证难度。

基于商奇异值分解的一类二次特征值反问题

讨论二次特征值反问题在主子阵约束下广义反自反解及其最佳逼近问题。利用矩阵的奇异值分解和商奇异值分解,建立了在主子阵约束下广义反自反矩阵解的充要条件,并给出了其通解的表达式。进而考虑了其最佳逼近问题解的存在性与唯一性,得到了最佳逼近解的表达式。

广义复特征值摄动问题的逐步逼近法

以子空间缩聚及正交分解为基础 ,根据复矩阵的奇异值分解定理 ,对广义复特征值摄动问题 ,提出了一种能同时有效地处理孤立复特征值、相重复特征值及相近复特征值 3种不同情况的逐步逼近法。计算实例表明 ,该方法合理可靠 ,通用性好 ,且具有足够的精度。

一类逆特征值问题的拓广

本文利用广义奇异值分解给出了一类极小化问题的通解，同时给出了相关矩阵方程组有解的充要条件及相应解集合的表达式．

一类对称正定及半正定的左右逆特征值问题

针对实际问题中经常遇到广义特征值的逆问题 ,研究了一类对称正定及半正定的左右逆特征问题 ,给出了这类问题的对称解 ,对称正定解 ,对称半正定解存在的充要条件与其解的表达式 .

线性流形上次反对称矩阵的次特征值的反问题

讨论了线性流形上次反对称矩阵的次特征值的反问题,给出了解存在的条件,并给出了解的通式。本文充分利用了次单位矩阵的作用,将次反对称矩阵的次特征值的反问题转为反对称矩阵的逆特征值问题来解决。