發(fā)布時間：2018-06-03 06:27

  本文選題：奇異值分解 + 變矩陣結(jié)構(gòu)�。� 參考：《機械工程學(xué)報》2017年22期

【摘要】：利用奇異值分解(Singular value decomposition,SVD)進行信號處理的關(guān)鍵在于矩陣的構(gòu)造,為利用SVD分離信號中的不同頻率成分,提出一種變矩陣結(jié)構(gòu)遞推SVD算法,其思想是在SVD遞推分解過程中逐次改變矩陣的結(jié)構(gòu),每進行一次SVD分解,矩陣的結(jié)構(gòu)就規(guī)律性地變化一次,由此形成對信號中不同頻率成分的適應(yīng)性,從而達到將其分離出來的目的。推導(dǎo)出這種變結(jié)構(gòu)SVD的信號分解算法,證明了這種算法可以將原始信號分解為一系列分量信號的線性組合。進一步從理論上分析了這種算法的信號分離機理,證明了對于一些特定的頻率結(jié)構(gòu),這種變結(jié)構(gòu)SVD算法可以實現(xiàn)對原信號中單個頻率分量的逐次分離。最后通過對模擬信號和工程實際信號的分離實例證實了變結(jié)構(gòu)SVD算法良好的信號分離效果,并與小波分析和多分辨SVD方法進行了比較,結(jié)果表明變結(jié)構(gòu)SVD的信號分離結(jié)果優(yōu)于這兩種方法。
[Abstract]:The key of signal processing using singular value decomposition (SVD) is the construction of matrix. In order to separate different frequency components of signals by SVD, a recursive SVD algorithm with variable matrix structure is proposed. The idea is to change the structure of the matrix step by step in the process of SVD recursive decomposition. With each SVD factorization, the structure of the matrix changes regularly, thus forming the adaptability to the different frequency components of the signal. In order to achieve the purpose of separating it. The signal decomposition algorithm of the variable structure SVD is derived and it is proved that the algorithm can decompose the original signal into a series of linear combination of component signals. Furthermore, the signal separation mechanism of this algorithm is analyzed theoretically, and it is proved that the variable structure SVD algorithm can realize the successive separation of a single frequency component in the original signal for some specific frequency structures. Finally, the example of signal separation between analog signal and engineering signal proves that the variable structure SVD algorithm has good signal separation effect, and it is compared with wavelet analysis and multi-resolution SVD method. The results show that the signal separation results of variable structure SVD are better than those of these two methods.
【作者單位】： 華南理工大學(xué)機械與汽車工程學(xué)院;
【基金】：國家自然科學(xué)基金(51375178) 廣東省自然科學(xué)基金(S2012010008789)資助項目
【分類號】：TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 張發(fā)啟;盲源信號分離技術(shù)[J];現(xiàn)代電子技術(shù);2004年20期

2 李舜酩,楊濤;盲源信號分離及其發(fā)展[J];傳感器技術(shù);2005年04期

3 韓峰;麻碩士;崔紅梅;樊昕;梁立濤;;基于偏時域相干算法的信號分離[J];彈箭與制導(dǎo)學(xué)報;2008年02期

4 何繼愛;王維芳;李力舟;;盲源信號分離方法研究[J];無線通信技術(shù);2009年04期

5 李麗;信號分離的優(yōu)化分析[J];火控雷達技術(shù);1999年02期

6 張敏;于海燕;武克斌;;語音信號識別基于盲源信號分離的實現(xiàn)[J];現(xiàn)代電子技術(shù);2011年11期

7 李曉歡;葉進;;基于循環(huán)相關(guān)的信號分離方法的研究與實現(xiàn)[J];火力與指揮控制;2013年03期

8 姚伏天,金連甫,戴光;基于核獨立成分分析的盲源信號分離[J];計算機工程與應(yīng)用;2004年06期

9 傅予力;謝勝利;何昭水;;稀疏盲源信號分離的新算法[J];計算機工程與應(yīng)用;2007年09期

10 吳新杰;崔春陽;;基于粒子群算法的盲源信號分離[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2009年02期

相關(guān)會議論文 前7條

1 姜可宇;蔡志明;;基于幾何結(jié)構(gòu)的非線性動力學(xué)信號分離方法[A];2004年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2004年

2 王瀟;尹忠科;王建英;楊鄭;;應(yīng)用基追蹤的信號分離的算法[A];2008年中國西部青年通信學(xué)術(shù)會議論文集[C];2008年

3 惠月嬌;黃建國;張群飛;;基于特征空間投影的水下多目標(biāo)信號分離新方法[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

4 李曉歡;陳倩;;基于信號循環(huán)平穩(wěn)特性的信號分離技術(shù)研究[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

5 任保全;胡洪坡;劉偉;;基于獨立分量分析的衛(wèi)星混合信號分離[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 魏梅英;唱亮;冀維林;駱超;;基于MAP的共信道FM信號分離方法在無線電監(jiān)測工作中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

7 黎茂文;胡世飛;;開環(huán)搜索LINC中兩路增益和相位平衡點[A];2009年中國高校通信類院系學(xué)術(shù)研討會論文集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 陳永強;欠定信號分離及其在語音處理中的應(yīng)用[D];西南交通大學(xué);2014年

2 梅鐵民;盲源信號分離時域與頻域算法研究[D];大連理工大學(xué);2006年

3 邵朝;穩(wěn)健的超分辨算法研究——基于信號分離理論的算法研究[D];西安電子科技大學(xué);1997年

4 李成杰;盲源信號分離算法研究及應(yīng)用[D];電子科技大學(xué);2017年

5 李坡;雷達目標(biāo)微動信號分離與參數(shù)估計方法研究[D];南京理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張勇;單通道聲樂源信號分離方法研究[D];大連理工大學(xué);2015年

2 張繼松;基于盲源信號分離的全雙工通信自干擾消除研究[D];云南大學(xué);2016年

3 范菲菲;單通道星載AIS信號分離與檢測研究[D];天津理工大學(xué);2017年

4 王高偉;單通道高階MPSK信號分離方法[D];中國科學(xué)技術(shù)大學(xué);2017年

5 劉焱;寬帶接收中的信號分離技術(shù)研究[D];電子科技大學(xué);2006年

6 易葉青;基于進化算法的盲源信號分離[D];湖南大學(xué);2005年

7 李素平;混合樂音信號分離方法研究[D];山東大學(xué);2010年

8 劉云鑫;盲源信號分離原理與應(yīng)用研究[D];東北石油大學(xué);2013年

9 郭長勇;基于粒子濾波的多分量調(diào)頻定距偵察信號分離與參數(shù)提取[D];南京理工大學(xué);2012年

10 盧慧英;分數(shù)階傅里葉變換在信號分離及參數(shù)估計中的應(yīng)用[D];蘇州大學(xué);2012年

，

本文編號：1971814