svd
共 94 篇文章
svd 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 94 篇文章，持续更新中。
K_SVD工具包
正交奇异值分解，可用于训练自适应字典，这是k_SVD的工具包，内容齐全
基于SVD和小波变换的信道估计新方法
· 摘要： 在正交频分复用系统中,发射的信号在频域中经历了乘性衰落的同时还经历了加性噪声的干扰,从而影响了估计的质量.将小波去噪用于信道估计中以去除其中的加性干扰,然后基于奇异值低阶近似算法对信道转移矩阵再进行低阶近似.仿真结果表明,该运算的复杂度降低了,提高了SVD系统估计的准确度.
基于HMM—SVM融合模型的鲁棒人脸识别算法
·摘 要:针对人脸识别的鲁棒性问题，鉴于HMM具有良好的时间序列建模能力和SVM在有限样本的分类方面具有优良性能，采用一种基于HMM—SVM融合模型的鲁棒人脸识别算法。首先将归一化人脸图像用采样窗从上到下进行采样，采用DCT和SVD提取各个采样窗图像的特征参数并串接成观察向量，然后由每个人的训练图像的观察向量训练得到每个人HMM模型，将测试图像的观察向量采用Viterbi算法求出对应于每个人HMM
期刊论文：基于奇异值分解（SVD）的图像压缩
·期刊论文：基于奇异值分解（SVD）的图像压缩
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
基于小波变换与小域特征模糊融合的人脸识别
·摘 要:小波变换是一种很好的图像压缩方法，利用小波变换对人脸图像进行三次小波分解，并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性，先利用小域子图像实现软分类，然后使用传统奇异值分解（SVD）法提取出各小域子图像的奇异值（SV），构造出小域奇异值特征向量，给出待识别图像对训练样本图像的隶属度，并采用模糊融合的方法对小域特征进行数据融合，获得识别结果。实验结果表明，该方法实
基于小波变换与小域特征模糊融合的人脸识别
·摘 要:小波变换是一种很好的图像压缩方法，利用小波变换对人脸图像进行三次小波分解，并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性，先利用小域子图像实现软分类，然后使用传统奇异值分解（SVD）法提取出各小域子图像的奇异值（SV），构造出小域奇异值特征向量，给出待识别图像对训练样本图像的隶属度，并采用模糊融合的方法对小域特征进行数据融合，获得识别结果。实验结果表明，该方法实
基于小波变换与小域特征模糊融合的人脸识别
·摘 要:小波变换是一种很好的图像压缩方法，利用小波变换对人脸图像进行三次小波分解，并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性，先利用小域子图像实现软分类，然后使用传统奇异值分解（SVD）法提取出各小域子图像的奇异值（SV），构造出小域奇异值特征向量，给出待识别图像对训练样本图像的隶属度，并采用模糊融合的方法对小域特征进行数据融合，获得识别结果。实验结果表明，该方法实
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
重分配小波尺度谱的时频分布优化方法研究
·摘 要:针对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷,提出一种基于参数优化和奇异值分解（SVD）提高重分配尺度谱时频分布可读性的方法。首先利用Shan-non熵方法优化重分配尺度谱基函数的时间-带宽积（TBP）,克服其时、频分辨率不能同时达到最佳的缺陷,再对重分配尺度谱进行SVD降噪降低噪声干扰影响,提高时频分布的可读性。
基于小波变换和改进SVD的红外图像去噪
·摘 要:针对小波变换红外图像去噪需要已知噪声先验知识的缺点，提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换，并对高频图像采用改进的分块奇异值分解估计小波系数，其中对奇异向量采用傅里叶变换进行了修正；最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明，该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声，信噪比有了明显提高，并
采用奇异值分解的数字水印嵌入算法
提出一种新的数字水印嵌入算法，采用奇异值分解(SVD)算法对数据进行分解变换。利用正交矩阵作为容器进行水印嵌入，并通过参数的选择和纠错码的使用提高水印的隐蔽性和鲁棒性。<BR>由于数字技术的快速发展和
子空间法雷达目标一维像识别算法的FPGA实现研究
该文则侧重于子空间法中特征子空间法的实现研究.可编程逻辑器件的飞速发展及其优越的性能,使其在实现算法方面开始充当重要角色.该论文将研究如何利用FPGA来实现特征子空间算法.其主要内容如下:1、介绍利用FPGA实现算法的基本设计方法.2、介绍了特征子空间法用于雷达目标一维像识别问题及其基于奇异值分解的实现方法.3、详细讨论了实现奇异值分解的Systolic阵列结构及其CORDIC实现原理.4、讨论了
基于DCT和混沌的双重图像水印算法
为实现图像版权和完整性认证，提出一种基于DCT 和混沌的双重水印算法。对图像进行DCT 分块，在低频部分利用SVD 方法嵌入鲁棒水印，在高频部分用系数大小关系嵌入脆弱水印，从而实现了盲检测。仿真实验结
基于FPGA的特征子空间目标识别法的关键技术研究.rar
雷达目标识别是现代雷达技术的一个重要发展方向，雷达技术的日趋成熟使雷达目标识别逐步走向实用。本文对基于FPGA的特征子空间雷达目标一维距离像识别法的关键技术——单精度浮点SVD处理器的实现进行了研究。论文研究了在FPGA资源有限的前提下，实现对高阶矩阵奇异值分解的高速度和高精度处理要求。论文给出了几种处理器核心运算单元的结构，并改进了基本矩阵运算单元设计和元素调度方法，对这些结构在速度、资源占用和
基于ICA多特征融合的人脸识别
·摘 要:提出了一种基于特征融合的人脸识别方法.该方法首先对预处理后的人脸图像进行全局特征及局部分量的提取,分别采用离散余弦变换（DCT）提取包含图像大量信息的低频部分特征和奇异值分解（SVD）抽取图像的代数特征作为图像的全局特征,采用非负矩阵分解（NMF）提取图像的局部分量特征,然后将此两类特征以独立成份分析（ICA）进行融合,获取用于人脸识别的特征向量.在本文的实验中,我们将此特征向量应用于支