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。

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。

基于奇异值分解的马氏距离光伏故障监测

及时检测出光伏阵列短路、断路、阴影遮挡等故障并作出相应处理,不仅有利于提高光伏阵列收益,也有利于降低光伏阵列安全风险,避免火灾等事故。基于马氏距离方法,计算出光伏阵列实测电流电压和仿真模型输出电流电压的相似程度,以此用于光伏阵列故障监测。正常条件下,光伏阵列实测电流电压值和仿真模型输出电流电压值较为接近,传统马氏距离方法在求解逆矩阵时将产生奇异解。结合奇异值分解方法对传统马氏距离方法进行了改进,试验证明,所提出的方法能够精准检测出相应的短路、断路、阴影遮挡等故障。

基于再模糊和奇异值分解的局部模糊区域检测

针对局部模糊区域检测与分割,提出一种基于再模糊和奇异值分解的局部模糊检测方法。首先,对待检图像进行高斯模糊和图像连续分块,对分块图像进行奇异值分解;其次,对奇异值向量进行指数函数拟合,得到待测和再模糊图像的奇异值曲线,分别计算拟合曲线的积分并作差,将差值差异性作为描述模糊的特征值;最后,利用Canny边缘检测算法完成图像分割,并利用最大、最小滤波器和相关形态学处理对边缘内部区域进行填充。实验结果表明:该方法可以有效地完成局部模糊区域的检测和分割,同时对纹理平坦区域的识别同样有效。

一种奇异值分解与子空间加权联合的改进MUSIC算法

在低信噪比、小快拍数等非理想条件下,经典DOA估计算法对邻近目标的分辨率严重下降,甚至失去分辨能力。针对这一问题,提出了一种将重构的接收信号协方差矩阵进行奇异值分解并与改进的加权子空间方法相结合的改进算法。该算法充分利用互相关信息构建新的接收信号协方差矩阵,并对噪声子空间信息采用新的校正方法,对噪声特征值进行改造,之后对噪声子空间进行加权,最后与信号子空间加权技术相联合。仿真实验证明,改进算法在低信噪比和小快拍数条件下可以分辨间隔4°的相邻目标,统计分析表明该算法的分辨率明显优于经典MUSIC算法。

基于动态线损与奇异值分解的智能电表误差估计

利用远程数据分析对智能电表进行评估和异常检测,与传统的现场校准相比成本更低、效率更高,在电力行业得到了广泛的关注。基于此,提出一种基于动态线损估计与奇异值分解的智能电表在线误差估计方法。首先考虑负荷类型对线损估计的影响,建立估计误差求解方程;然后结合基于截断奇异值分解的正则化方法进行方程求解,获取智能电表误差估计结果;最后通过仿真及实际数据验证所提方法的有效性。结果表明,与其他方法相比,所提方法能够求解不适定问题,且具有更高的精度。

基于奇异值分解的机器人视觉图像显著目标自动提取方法研究

传统机器人视觉图像显著目标自动提取方法直接对机器人视觉图像进行显著性处理,未对图像进行超像素分割,造成传统方法目标提取效果较差。鉴于此,提出基于奇异值分解的机器人视觉图像显著目标自动提取方法,对机器人视觉图像进行超像素分割,在完成分割后,基于奇异值分解进行机器人视觉图像显著性处理,以减少图像中的不平衡性,最后利用显著性实现目标自动提取。设计对比实验,实验结果表明,该研究方法在提取机器人视觉图像显著目标方面效果更优。

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。

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。

奇异值分解下在线鲁棒正则化随机网络

在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间.但是,OR-RVFLN算法计算过程中会产生矩阵的不适定问题,使得隐含层输出矩阵的精度较低.针对这个问题,本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN).该算法在OR-RVFLN算法的基础上,将正则化项引入到权值的估计中,并且对隐含层输出矩阵进行奇异值分解;同时采用核密度估计(KDE)法,对整个SVD-OR-RRVFLN网络的权值矩阵进行更新,并分析了所提算法的必要性和收敛性.最后,将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中,实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能,而且具有更快的训练速度.

高维矩阵奇异值分解的快速计算方法对比分析及应用

为在大数据环境下处理高维矩阵和应用奇异值分解提供更高效的解决方案,从而加速数据分析和处理速度,通过研究随机投影以及Krylov子空间投影理论下关于高维矩阵求解特征值特征向量(奇异值奇异向量)问题,分别总结了6种高效计算方法并对其相关应用研究进行对比分析。结果表明,在谱聚类的应用上,通过降低核心步骤SVD(Singular Value Decomposition)的复杂度,使优化后的算法与原始谱聚类算法的精度相近,但大大缩短了运行时间,在1200维的数据下计算速度相较原算法快了10倍以上。同时,该方法应用于图像压缩领域,能有效地提高原有算法的运行效率,在精度不变的情况下,运行效率得到了1~5倍的提升。

基于奇异值分解算法的电气设备绝缘介损传感信号检测方法

针对信号起伏特性冗余,忽略了双重信号噪声的影响,导致检测结果的绝缘介损因数偏差较大的问题,提出基于奇异值分解算法的电气设备绝缘介损传感信号检测方法。构建时序特征窗口平滑处理原始传感信号,分析处理后传感信号的脉冲与高斯双重噪声,分离重构去除相应噪声值,引入奇异值分解算法将绝缘介质电流传感信号分解出来,解析分解信号的形态波计算得到绝缘介损传感信号检测结果。实验结果表明:所提方法应用后得出的检测结果,表现出的绝缘介损因数偏差较小,检测准确度较高,满足了电气设备绝缘性能运维的实际需求。

基于奇异值分解的配电变压器有载自动调压方法

电力用户负荷种类的多样化造成变压器电压波动超出允许范围,严重影响电力系统的供电质量,因此提出基于奇异值分解的配电变压器有载自动调压方法。基于奇异值分解技术提取配电变压器分接头间的电压信号,使用比例积分微分(Proportion Integral Differential,PID)控制算法根据分接头间电压和额定电压范围之间的偏差输出控制信号,控制触发分接开关的导通与关断,实现配电变压器的有载自动调压。实验结果表明,设计方法可以通过控制分接开关位置维持电压的平稳,且不会对负载产生不利影响。