svd 奇异值分解

MIMO-OFDMA系统中基于奇异值分解的信道估计

针对近场声源定位问题，提出一种基于奇异值分解的稀疏重构定位方法。该方法通过奇异值分解得到信号子空间，然后在信号子空间约束l1范数求解优化问题实现声源的定位。与直接对接收信号进行稀疏重构相比，该方法通过

图像压缩技术旨在减少冗余信息，以便以有效的方式进行数据存储和传输。在这项工作中，我们提出并分析了基于奇异值分解的有损图像压缩方法，该方法利用特征值的最佳选择和块分割的自适应机制。在几张图像上进行了实验

针对点云配准中匹配精度低和算法收敛速度慢等问题,提出一种基于二维图像特征和奇异值分解(SVD)的点云配准算法。先将三维点云转换成二维方位角(BA)图像,利用基于内部距离的形状上下文(IDSC)算法对B

为了有效地保护数字作品的版权，提出了一种以离散小波多级分解与奇异值分解相结合的数字水印新算法。该算法充分利用小波与奇异值的固有性质，对原始图像进行多级小波分解，并对部分子带作奇异值分解。将水印置乱来保

将基于凸优化的低秩矩阵恢复（LRMR）理论用于背景建模，当背景不稳定时，这种方法提取运动目标的效果不佳。由于矩阵的数据表示形式破坏了视频在时间和空间上的原始结构，采用张量表征视频的高维结构特性，提出了

奇异值分解在图像水印算法中有着广泛的应用,但是也存在高虚警率的缺陷。讨论分析了空域和变换域中经典的奇异值分解水印算法和最近报道的基于主成分的改进算法。通过实验验证了改进算法的有效性。

随着互联网的飞速发展，产生大量的图像信息。为了减小存储并提高图像质量，提出了一种基于奇异值分解和Contourlet变化结合的有损图像压缩算法。该算法先对图像进行奇异值分解，根据奇异值对图像信号的贡献

针对传统图像增强方法会丢失图像细节信息这一缺陷，提出了一种基于分频和奇异值分解的轮胎图像增强新方法。该方法先使用巴特沃斯低通滤波器对图像进行分频处理；然后对得到的低频和高频分量分别使用奇异值分解和线性

主成分分析（PCA）是降维的一种经典方法。二维主成分分析（2DPCA）在特征抽取之前不需要将图像矩阵转化为向量形式，所以能快速地提取特征。但是基于L2范数的PCA和2DPCA在遇到异常值时的表现不稳定