基于奇异值分解和中位数绝对偏差的拉曼成像数据去噪方法

拉曼成像是一种无损伤、无需标记的光谱成像技术,它可以提供样品的不同组分的分子指纹信息以及空间分布特征,相比其他成像技术有着更重要的应用。但是拉曼散射的截面积小,灵敏度低,加上在很多实验中为了观察某些组分的动态分布而缩短扫描时间,导致最终得到的成像数据被噪声干扰,因此往往需要对信号进行去噪处理。常规的算法一般都是基于一个给定的数学模型对光谱进行处理,容易造成过滤波,使得信号失真;另外,在处理拉曼成像数据时,常规算法往往是对数据进行逐条光谱去噪,从而忽略了多条光谱之间的相互关系,导致最终的拉曼图像仍然受许多噪点干扰。因此,提出了一种基于奇异值分解和中位数绝对偏差的拉曼成像的信号处理方法,用于拉曼成像数据的去噪处理。该方法首先对拉曼成像数据进行奇异值分解,获得一个奇异值矩阵与两个正交矩阵;然后通过中位数绝对偏差法对奇异值矩阵中的各奇异值进行离群值检测,选取前k个被连续标记的离群值作为要保留的奇异值,并将其余的奇异值赋值为零,得到新的奇异值矩阵;最后用新的奇异值矩阵与两个正交矩阵重新求解得到去噪后的拉曼成像数据。实验中,首先验证了中位数绝对偏差法确定前k个奇异值的正确性,其次分别从处理后的图像质量和信号波形两方面对比了该算法与常规算法的去噪效果。结果证明,中位数绝对偏差法可以快速地确定出合理的k值大小,而且,依据该k值处理后的成像数据不仅在成像质量上消除了大量的噪点,使得组分的空间分布特征清晰可见,也在信号波形上较完美地保留了微小谱峰,并恢复光谱信号。该算法不同于常规算法,能同时对整个拉曼成像数据进行处理,并保留光谱之间的统计特征,是一种更加有效的拉曼成像数据的去噪方法。     

基于方差的奇异值分解域鲁棒零水印算法

 针对已提出的奇异值分解域鲁棒水印算法往往将水印嵌入在奇异值矩阵的奇异值上,利用奇异值分解产生的两个正交矩阵提出一种基于方差的鲁棒零水印算法.将图像分割成互不重叠的子块,对每个子块进行奇异值分解,通过判断每个子块U矩阵第一列元素平方的方差与V矩阵第一列元素平方的方差之间的大小关系产生零水印序列.算法实质上没有对原始图像做任何修改,具有非常好的不可见性.算法进行抵抗重采样、平滑处理、加噪音和JPEG压缩攻击实验测试鲁棒性.实验结果表明该算法在以上攻击中表现出很强的鲁棒性.     

基于奇异值分解的数字波前拟合算法

提出了基于奇异值分解、采用泽尼克多项式拟合干涉波前的算法,该算法直接从线性方程组入手,对矩阵进行奇异值分解分解,在求解逆矩阵的过程中,采用阈值法对奇异值的倒数进行非常规的置换(∞→0),可直接得到系数向量。理论分析和实验证明,相对于传统的格拉姆施密特正交法,该算法可首先通过求解条件数判断线性方程矩阵是否奇异,对于解决病态方程组或奇异矩阵的最小二乘问题,有很好的稳定性,避免了由最小二乘构造的法方程组出现病态而引入的计算误差,且易于编程。     

基于方差的奇异值分解域鲁棒零水印算法

针对已提出的奇异值分解域鲁棒水印算法往往将水印嵌入在奇异值矩阵的奇异值上,利用奇异值分解产生的两个正交矩阵提出一种基于方差的鲁棒零水印算法.将图像分割成互不重叠的子块,对每个子块进行奇异值分解,通过判断每个子块U矩阵第一列元素平方的方差与V矩阵第一列元素平方的方差之间的大小关系产生零水印序列.算法实质上没有对原始图像做...     

基于波段调制的HOSVD多光谱人脸识别

通过分析影响多光谱人脸识别的两个重要因子:皮肤的物理特性和传感器的系统响应特性,提出了基于波段调制的高阶奇异值分解多光谱人脸识别算法.该算法考虑到各波段上数据信息的差异性,用加权融合方法对多光谱图像光谱维进行单独处理,保留了光谱维更多的信息量.仿真结果表明,基于波段调制的高阶奇异值分解方法可应用于多光谱人脸识别,与未考虑波段特性的单波段积融合高阶奇异值分解、单波段和融合高阶奇异值分解相比有较高的识别结果.     

基于奇异值分解的矩阵低秩近似量子算法

在大数据时代,高效的数据处理至关重要,量子计算具有平行计算能力,为方便处理数据提供了新的解决途径.本文提出了一个基于奇异值分解的矩阵低秩近似量子算法,复杂度为O [log(pq)].在核磁共振量子计算系统完成了算法的原理演示,选择一个8 × 8维的图像矩阵,实现共振跃迁算法的哈密顿量H的时间演化,用量子态层析法分别读出密度矩阵的不同成分,对密度矩阵进行重构,保真度为99.84%,在误差范围内验证了本文提出的矩阵低秩近似量子算法的正确性.而通过奇异值分解计算低秩矩阵的经典算法的复杂度是O[poly(pq)],量子算法与经典算法相比,实现了指数加速.     

基于奇异值分解的光子相关光谱滤波方法研究

针对光子相关光谱颗粒测量法在测量超细纳米颗粒时,容易受噪声影响,导致拟合误差较大的问题,提出了一种基于奇异值分解的光子相关光谱滤波方法。其处理步骤为:利用颗粒系的光强自相关函数数据构造Hankel矩阵H;对矩阵进行奇异值分解;根据奇异值的大小分布,确定噪声级别和重建参数r;从重建矩阵H1中提取经滤波后的光强自相数据,再通过传统方法进行拟合,得到颗粒的粒径分布。实验中采用30nm标准乳胶球单分散颗粒系,以及30nm和100nm标准乳胶球双分散颗粒系进行实验对比。结果证明:基于奇异值分解的光子相关光谱滤波法有效地提高了测量准确性。     

基于奇异值分解的光子相关光谱滤波方法研究

针对光子相关光谱颗粒测量法在测量超细纳米颗粒时,容易受噪声影响,导致拟合误差较大的问题,提出了一种基于奇异值分解的光子相关光谱滤波方法。其处理步骤为:利用颗粒系的光强自相关函数数据构造Hankel矩阵H;对矩阵进行奇异值分解;根据奇异值的大小分布,确定噪声级别和重建参数r;从重建矩阵H1中提取经滤波后的光强自相数据,再通过传统方法进行拟合,得到颗粒的粒径分布。实验中采用30nm标准乳胶球单分散颗粒系,以及30nm和100nm标准乳胶球双分散颗粒系进行实验对比。结果证明:基于奇异值分解的光子相关光谱滤波法有效地提高了测量准确性。     

基于图像的三维刚体运动估计算法比较

基于图像特征点对应估计三维刚体运动是计算机视觉的一个基本问题。对四种常用的运动估计算法,包括基于三维特征点的奇异值分解法、正交分解法、单位四元数法和基于二维特征点的"8点算法",通过大量仿真实验和一个机载目标运动光测系统进行了精度,稳定性和效率的比较。结论表明,基于三维特征的算法比基于二维特征的算法精度高、稳定性好,效率高。其中在基于三维特征的算法中,奇异值分解法效率更高,单位四元数法稳定性更好,在基于二维特征的算法中采用非线性优化是必须的,而增加特征点数和降低噪声水平对四种算法都能提高精度。讨论了这些结论对解决实际问题的作用。     

使用协方差矩阵分解的矢量阵声压振速联合处理波达方向估计

提出一种使用协方差矩阵分解(CMD)的声矢量阵声压振速联合处理方法。该方法将声压振速互协方差矩阵分解为观测方位系数矩阵和剩余协方差矩阵,将系数矩阵与导向矢量结合避免了观测方位的选择,对剩余协方差矩阵进行奇异值分解并重构厄米特协方差矩阵,最后对重构的协方差矩阵实施最小方差无失真响应(MVDR)方法处理。理论分析表明,使用重构的协方差矩阵能够获得更高的阵处理增益。数值仿真结果验证了本文方法的计算量与Nehorai处理方法相近,但较传统声压振速联合处理方法具有更高的阵处理增益和目标分辨能力。     

Singular value decomposition with normalized period for magnetocaridiography signal processing

In this paper, we have developed an algorithm based on singular value decomposition (SVD) for matrix. And the novel SVD algorithm with normalized period of cardiac cycles is presented. The results from real magnetocardiography (MCG) data processing show that the new algorithm is better than the standard one not only in suppressing noises, but also in providing high-fidelity MCG signals.     

目标极点提取的改进算法

针对强电磁脉冲孔耦合瞬态响应的极点参数提取问题,将传统的矩阵束算法进行改进。通过对含有噪声的瞬态响应数据进行互相关处理,能有效提高低信噪比时极点的提取精度。再将数据经离散化后构造Hankle矩阵,结合奇异值分解,求解其广义特征值,即可提取信号的极点参数信息。最后通过仿真分析以及对波形的重构,验证改进算法具有抗噪能力强、拟合度高的特点。     

改进次最佳检测在侧扫声呐底混响抑制中的应用*

侧扫声呐进行沉底小目标探测时,底混响是主要背景干扰。底混响通常是一种非平稳、非高斯的带限噪声,它使得白噪声条件下的滤波器性能受到限制。在混响背景下常利用自回归模型对接收信号进预行白化处理,但对于实际侧扫声呐应用,白化后直接匹配滤波的处理效果不甚理想。针对此问题,在自回归模型预白化的基础上,提出采用一种次最佳检测与多分辨二分奇异值分解相结合的改进方法。该方法首先对接收信号进行分段处理,利用改进Burg算法估计每段数据自回归模型的系数及阶数;然后构造白化滤波器对分段数据预白化,并对白化后的数据进行多分辨二分奇异值分解;最后应用ostu方法对原始声图和处理后的声图进行目标检测。仿真与实验结果表明,该方法明显提高了信混比,改善了侧扫声呐沉底静态小目标的成图质量,有利于后期实现基于图像的目标自动检测。     

Denoising via truncated sparse decomposition

This paper proposes a denoising algorithm called truncated sparse decomposition(TSD) algorithm,which combines the advantage of the sparse decomposition with that of the minimum energy model truncation operation.Experimental results on two real chaotic signals show that the TSD algorithm outperforms the recently reported denoising algorithms- non-negative sparse coding and singular value decomposition based method.     

基于FFT奇异值分解的光谱信号去噪算法

微型光谱仪在采集光谱信号过程中,光谱数据经常受到来自仪器光学系统和电子电路中的干扰出现噪声和光源特征峰,严重干扰了真实光谱信号的图谱特征,因此需要使用合理的预处理方法保留光谱信号中有用信号并尽可能过滤噪声信号同时将光源特征峰滤除,从而提高光谱信息定量分析的稳健性和准确性。并且在线检测系统要求尽可能减少人为参数选择对去噪效果的影响,奇异值分解经常应用于由系统电路引起的噪声去噪,奇异值降噪阶次的选取对提高信号信噪比十分关键,但是往往参数选取主要依赖经验调试和实验验证。因此,提出了一种基于奇异值重构信号分量频率的光谱信号去噪算法。该算法首先重构原始光谱信号单个奇异值分量信号,然后对每个奇异值分量信号作快速傅里叶变换,得到每个奇异值分量信号快速傅里叶变换结果中振幅最大所对应的频率值,最后按照奇异值递减方式对相应分量信号频率值进行一阶滞后差分,得到频率差分谱,研究表明,差分谱第一个谱峰值在大于设定阈值处所对应的奇异值即为奇异值分解降噪的有效阶次。结果表明：对包含多种重金属离子的溶液在线测量的紫外可见光谱信号,添加不同强度的随机噪声,并进行去噪处理,使用信噪比和均方根误差两个性能指标进行对比。所提算法相较于SG滤波算法和小波变换去噪算法信噪比分别提高了22.05%,10.88%,均方根误差分别降低了74.28%,41.29%。所提算法完全基于数据驱动,在处理真实紫外可见光谱信号中不仅抑制了噪声影响,而且将微型光谱仪的光源特征峰有效滤除,在紫外可见光谱信号的定量分析中具有较好的应用前景。     

基于奇异值分解对中国夏季降水模式误差订正的研究

利用奇异值分解(SVD)方法对国家气候中心气候业务模式CGCM的预报结果进行订正, 进而得到改进后的预报结果. 通过对1983–2011年中国夏季降水的模式预报和实际降水值各年份之间的耦合场进行SVD分解, 选取模式预报和实况降水相关性最好的前3–7个模态, 对这5种不同模态个数的订正结果加以对比, 选出对中国区域订正效果最好的模态个数, 得到模式预报的订正结果. 对2004–2009年6年进行交叉回报试验, 以距平相关系数和均方根误差作为评判标准来检验回报结果, 得出2004–2009大部分年份取前5个模态作为当年订正的模态个数时,订正效果最好. 利用已有的2004–2009年的模式和实际降水资料进行检验, 证实在大部分年份5个模态订正效果最好, 并将结果与系统误差订正法的结果相比较, 表明SVD法对2004–2009年 6年的订正结果中, 有4年比系统误差法的订正效果好. 以2010年作为预测年, 以1983–2009年27年交叉回报检验的结果确定模态个数, 对预测结果加以分析, 显示该方法具有潜在的业务应用价值. 关键词： 奇异值分解 模式预报订正 汛期降水     

Fast monochromatic radiative transfer calculations for limb sounding

Satellite observations of atmospheric infrared spectra can be modeled accurately with line-by-line calculations, but these are too slow to be incorporated into operational retrieval schemes. However, a monochromatic calculation is still feasible if the line-by-line summation is replaced by pre-tabulated absorption coefficients, requiring a three-way optimization of storage space, accuracy and access time.Such a scheme is used for the operational processing of data from MIPAS, a limb-viewing interferometer. The tabulated data are compressed to a manageable size using singular value decomposition, although the reconstruction adds a small overhead. The number of monochromatic radiative transfer calculations is reduced by determining suitable quadrature points in the spectral domain, which reduces both processing time and data storage requirements. An important aspect of such optimizations is the control of the associated errors in the forward model calculation.The result is an acceleration of monochromatic forward model calculations by one or two orders of magnitude compared to a line-by-line calculation without any significant loss of accuracy, while obtaining data compression factors of 100 or more compared to a direct tabulation of absorption coefficients.     

基于半定规划和秩-1分解的稳健波束形成

针对标准Capon波束形成器在存在导向矢量失配时性能急剧下降问题, 提出了一种基于半定规划和秩-1分解的稳健波束形成算法. 该方法通过对实际导向矢量的估计提高自适应波束形成算法稳健性. 首先分别从干扰抑制和噪声抑制两个方面推导了新导向矢量应满足的约束条件, 并证明了利用矩阵滤波器构造约束条件的合理性; 构造了估计最优导向矢量的优化问题并将其转化为易于求解的松弛半定规划问题, 同时引入秩-1分解理论用于优化问题的求解. 仿真分析表明, 与目前较为常见的算法相比, 本文算法只需利用期望信号可能入射区间这一先验信息, 能获得更高输出信干噪比和功率估计精度. 关键词： 稳健自适应波束形成 半定规划 秩-1分解 导向矢量估计