PARALLEL(M-N) SVD ALGORITHMS ON THE SIMD COMPUTERS

Let A be m by n matrix, M and N be positive definite matrices of order in and n respectively. This paper presents an efficient method for computing (M-N) singular value decomposition((M-N) SVD) of A on a cube connected single instruction stream-multiple data stream(SIMD) parallel computer. This method is based on a one-sided orthogonalization algorithm due to Hestenes. On the cube connected SIMD parallel computer with o(n) processors, the (M -- N) SVD of a matrix A requires a computation time of o(m3 log m/n).

基于自适应动态粒子群优化的RAK-SVD方法

K均值奇异值分解(K-SVD)算法是一种行之有效的地震资料去噪方法,但由于其稀疏分解存在不确定性,需要引入正则项对其改进。为此,在常规粒子群算法的基础上,提出了一种自适应动态粒子群算法优化正则化参数的正则化近似K-SVD(RAK-SVD)去噪方法。首先通过修改字典原子和相关参数,解决了由于常规粒子群算法的惯性参数固定不变,导致后期搜索效率下降的问题;其次将正则化系数引入近似K-SVD(AK-SVD)方法,明显提升了去噪效果;最后利用自适应动态粒子群算法自动优选AK-SVD方法中的正则化参数,提高了稀疏分解的确定性,在对强反射信号进行去噪的同时加强了对弱信号的保护。模型测试和实际应用均表明,该方法有利于弱信号的提取和识别,不仅能够显著改善弱地震信号的去噪效果,还提升了计算效率。该方法具有一定的实际应用价值。

基于K-SVD算法的数字图像自适应修复方法

为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字典,求出其稀疏系数,结合字典和稀疏系数更新数字图像中的每一类图像块,完成数字图像中每一类图像块的修复或重构,将修复好的图像块放回原数字图像中,实现数字图像的自适应修复。实验结果表明,该方法能够有效地恢复图像的细节和结构,修复后的数字图像均方根误差低,并且具有较高的峰值信噪比,同时,修复后的数字图像与原图像的结构相似性高达0.95,且在数字图像修复效率方面具备显著优势。

基于改进SVD++算法和K-means++算法的小文件合并方案

文章提出了一种基于改进SVD++算法和K-means++算法的小文件合并方案。通过引入自适应学习率函数和基于并行分组的SVD++算法,优化了小文件的合并过程,以提高Hadoop存储小文件的效率。同时,利用K-means++算法对合并后的文件进行聚类,优化了数据存储方式,降低了存储空间的浪费。在Hadoop平台上进行的实验表明,该方案在保持数据处理准确性和稳定性的同时,显著提升了Hadoop存储与处理小文件的性能。

基于正则化SVD算法的660MW机组煤粉加热炉炉膛三维温度场重建

针对现有加热炉炉膛内三维温度场重建方法存在的重建误差较大、重建消耗时间较长的问题,提出基于正则化SVD算法的660MW机组煤粉加热炉炉膛三维温度场重建方法。根据人眼视觉二维图像特征点提取原理,提取温度场立体图像特征点;利用小波变换方法计算子线段端点,获取特征点匹配结果;通过声学测温方法以及射线成像理论,重建声波传播速度分布形式,凭借正则化SVD算法构建声学测量系统模型,对声波飞行值进行修正,结合特征点匹配结果和对称轴,得到实现660MW机组煤粉加热炉炉膛三维温度场重建。实验结果表明,所提方法的最低AER、MER、RMSE分别为4.11、0.98、1.21,重建时间始终保持在0.6s以内,重建误差较小、重建消耗时间较短,抗噪声能力强,温度场重建效果好。

基于GAHE-VMD与SVD-SCEC的管道信号联合去噪法

为了更有效分析管道信号,提出一种基于采用在恶劣环境下的遗传算法(Genetic Algorithms in Harsh Environments,GAHE)优化变分模态分解(Variational Mode Decomposition,VMD)联合奇异值分解(Singular Value Decomposition,SVD)与选择性累计能量贡献率(Selective Cumulative Energy Contribution,SCEC)的互补去噪方法。首先,提出用GAHE算法优化VMD算法并结合相对熵对信号中的中高频噪声进行初步消噪,解决VMD参数难以确定和传统遗传算法收敛慢的问题。其次,提出采用SCEC算法结合SVD算法对信号中残留的中低频噪声进行消噪,解决非线性、非平稳信号中大数量级的直流分量影响奇异值选择的问题。最后,通过实验与分析表明:GAHE优化算法收敛速度更快;SCEC奇异值选择法的抗直流能力更强;所提算法的处理效果较优且算法两部分具有互补特性。

采用K⁃SVD字典训练稀疏基的压缩感知叶尖间隙数据重构方法

航空发动机叶尖间隙是监控其运行状态的有效参数,现有间隙测量方法很难满足超高转速下间隙距离的奈奎斯特采样率,因此无法有效提取精确的叶尖间隙值。本文基于压缩感知原理,针对间隙距离数据特征提出一种采用K-SVD(K-singular value decomposition)字典训练稀疏基的数据重构方法,该方法首先构建出K-SVD字典稀疏基对数据进行稀疏化表示,然后使用m序列高斯随机矩阵对数据进行压缩观测,最后基于压缩欠采样观测值使用正交匹配追踪算法对数据进行重构,进而精确提取叶尖间隙值。实验结果表明,在欠采样条件下间隙距离数据可精确恢复重构,与高采样率下的间隙数据相比,重构误差不超过0.02 mm。

基于DWT-DCT-SVD算法的数字音频水印性能评价分析

音频作品被非法篡改会导致作者利益受到侵害,因此音频水印嵌入提取算法的研究在数字产品版权保护中具有重要的研究价值。针对音频水印的特性及评价进行分析,分别基于离散小波变换、离散余弦变换以及DWT-DCT-SVD等算法,重点研究音频水印评价标准中透明性和鲁棒性问题。考虑相同音频及水印,针对不同的嵌入提取算法从透明性及鲁棒性两方面进行对比分析。结果表明,DWT-DCT-SVD算法在透明性及鲁棒性方面更具优势,为数字产品版权保护中音频水印算法的选择、应用及优化提供了重要的理论及应用依据。

基于SVD算法模型实现同期线损监测方法

针对配电线路同期线损监测精度较低引起的线损率过高的问题,本文通过改进检测模块业务架构,建立同期线损监测系统,实现监测数据的远端控制;通过非侵入式监测模型完成监测模块的采集功能改造,编写非侵入式程序将线损数据与远动终端形成连接;利用远程测控终端共享技术完成同期线损远动终端控制,同时利用功率放大器和低噪声放大器技术完成降噪处理;通过奇异值分解算法完成线损线路与修复方案的匹配,并验算修复结果。通过实验生成同期线损监测能力测试实验表,发现将本研究应用于10kV配电线路时,监测系统输送电能为561.3kWh,同期线损率为5.86%,监测精度为99.5%,证实了本文设计的可行性。仿真对比3种不同监测方法对同期线损率和监测精度,发现本设计线损率在5%以下,监测精度在96%以上。

基于增强SVD和Prony的电力系统谐波检测方法

针对电力系统中存在的谐波污染问题,提出一种基于“自适应定阶法”和“主导系数”的谐波检测法则,大大提高了谐波检测的准确率及检测精度,解决了传统Prony算法对噪声过于敏感,导致检测精度不理想的问题。方案中使用“自适应定阶法”确定了SVD降噪的最佳降噪阶数,有效剥离了信号中的噪声成分,削弱了Prony算法拟合结果中虚假分量的幅值,并通过“主导系数”完成了对非虚假分量的准确筛选。仿真结果表明,该方法能对谐波信号实现有效降噪,信噪比提升19 dB左右,对谐波参数的识别和筛选结果准确、可靠,其中幅值检测误差在0.5%左右,频率的检测误差在0.01%左右,相位的检测误差在0.5%左右。

BP神经网络和SVD算法联合的地震数据去噪方法

传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解(SVD)算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探讨,最终确定实验方法为:首先将含噪地震数据经过BP网络分离,然后将输出的噪声经过SVD算法重构,得到联合算法输出的噪声,最后将含噪地震数据与输出噪声相减,即可得去噪后数据。叠前和叠后地震数据实验均表明该方法的可行性与有效性。通过与传统去噪算法对比,该方法去噪后的均方误差更低,信噪比更高,表明其对实际地震数据去噪效果更佳。

基于正则化SVD算法的三维温度场声学重建

针对电站锅炉炉内三维温度场重建问题,基于声学理论构建数学模型.提出两种基于奇异值分解法(Singular Value Decomposition,SVD)的正则化算法,利用少量声学数据,对炉膛火焰分布的几种典型模型进行仿真重建.采用不同标准差的高斯噪声对两种算法的抗噪声能力进行检验.仿真结果表明,正则化SVD算法可以解决严重不适定的重建问题,重建温度场能够准确反映温度场分布,并且算法具有一定的抗噪声能力.TSVD正则化算法重建速度更快,抗噪声能力更强,适用于燃烧情况复杂的电站锅炉.

K-SVD和OMP算法在超声信号去噪中的应用

针对在线采集时超声波检测信号中存在大量噪声,降低了材料内部缺陷诊断准确性的问题,提出了一种基于广义K+奇异值分解算法(K-SVD)和正交匹配追踪算法(OMP)相结合的超声回波信号去噪算法。该算法利用K-SVD算法将Gabor字典训练成能够最有效反映信号结构特征的超完备字典,然后基于训练完成的超完备字典,用OMP算法把一定数量的字典原子进行线性组合来构成原始信号,从而实现信号的去噪。通过仿真实验将本文方法与传统的小波阈值去噪方法进行了对比研究。实验结果表明,该方法对超声回波信号的去噪效果优于小波阈值去噪方法,且噪声越大对比越明显,不仅可更有效地滤除信号中的高斯白噪声,提高信噪比,且尽可能保留了原始信号有用信息。

基于SVD的频域滤波去噪算法

为了解决时域SVD分解算法对非水平同相轴去噪效果不佳的难题,提出了Eigenimage和Cadzow 2种基于SVD分解的频域去噪算法.这2种算法将数据转化到频率域,在频率切片上进行SVD去噪,将信号时移转换为相移,从根本上解决了非水平同相轴的去噪问题,并且有良好的信号保真性.通过模型对其有效性进行验证,结果表明,Eigenimage和Cadzow算法对同相轴均有很好的去噪效果,但相比时域SVD算法,这2种算法计算量较大.

基于DWT-SVD和DSP的数字图像加密算法实现

针对数字图像在信道传输中存在的安全性问题,提出DWT-SVD数字图像加密算法。在分析奇异值对几何攻击具有良好的不变性,以及图像质心在变换前后具有一一对应关系的基础上,详细阐述DWT-SVD算法的设计思想,同时给出算法的实现步骤。在构建的DSP图像处理系统平台上进行算法的实现,并通过实验测试得出,DWT-SVD算法可以很好地抗击信道中的几何攻击,从而保证了图像在信道中传输的安全性、隐蔽性和鲁棒性。

基于LM和SVD结合的点云拼接算法研究

点云拼接是场景三维重建过程中的重要环节。针对现有的拼接算法存在耗时长、拼接效果差等问题,通过利用正交映射,获取三维点云与二维图像之间的映射关系,并在二维图像中获取匹配点对。在此基础上,提出了采用LM和SVD结合的方法来变换矩阵。首先根据正交映射,获取三维点云所对应的二维图像;其次利用SURF算法,提取图像的特征点,并通过FLANN算法以及RANSAC算法,提取两幅图像中的特征拼接点对;最后将LM和SVD两种方法相结合,求得变换矩阵。试验结果表明,无论拼接精度,还是运行速度,该算法均较直接利用LM算法或SVD算法有所提高。

基于改进K-SVD算法在牛脸识别上的应用

为了适应精准畜牧业理念,提出了一种改进的K-SVD算法用于牛的个体身份识别。在K-SVD算法基础上,更改了稀疏编码阶段字典原子的选择方式,使算法更加适用于图像分类问题。构造了包含20头牛的牛脸图像数据集IMCFR20,利用该数据集分析稀疏度与字典原子数对识别效果的影响。实验结果表明:改进后的算法识别率达到90%以上,识别效果有了较大提升,为利用图像进行牛的个体识别问题提供了可行的方案。

基于3D相机的拆垛机器人手眼标定方法研究

为了提高拆垛机器人手眼标定的准确度,设计了一种结合有序点云和对偶四元数的改进粒子群优化算法的手眼标定方法。首先,采用三层梯状采样法获取不同姿态的手眼标定数据;然后,对圆形标定板进行圆心提取,采用加权奇异值分解的方案求解定位点的旋转平移矩阵,减少了噪声干扰;最后,将求得的刚性变换矩阵转换为对偶四元数,采用改进的自适应粒子群优化算法求解出手眼矩阵的旋转和平移部分。实验结果表明,手眼标定方法可稳定地处理标定数据,且平均误差小于2.5 mm,优于Tsai法和传统对偶四元数法。

基于SVD的倾角扫描叠加算法在去噪中的应用

针对SVD对非水平同相轴去噪效果不佳的问题,引入了基于SVD的倾角扫描叠加算法.采用Ricker子波合成倾斜同相轴的地震波,经线性时移后成为水平同相轴,然后用SVD算法提取信号,再作反线性时移恢复其时间轴坐标数据,将反线性时移后的结果叠加作为最终输出,模型验证此方法去噪效果明显.将倾角扫描叠加算法和传统SVD算法进行对比,可知前者所需的本征图像个数更少,但重构信号和去噪效果更好.

基于NSCT-DWT-SVD的强鲁棒多重数字水印算法

目的提出基于NSCT-DWT-SVD结合的复合数字水印算法,实现水印信息的隐蔽嵌入,提高水印的鲁棒性。方法首先对水印信息进行Arnold置乱,对载体图像进行NSCT变换,将产生的与原载体图像大小相同的低频子带进行小波变换,后对小波变换的低频部分进行SVD分解,确定嵌入强度后将水印信息叠加到奇异值矩阵中,实现水印的嵌入。结果经仿真实验发现,该算法在保证水印嵌入信息量的前提下,满足了水印信息的隐蔽性,PSNR值达到30 d B以上,NC值达到了1,同时该算法对压缩、滤波、剪切攻击的鲁棒性较强,NC值均达到0.92以上,抵抗旋转攻击时仍能提取出较清晰的水印图像。结论该算法满足了数字水印技术要求的隐蔽性和稳健性,并且可以对数字产品起到版权保护的作用。