针对传统稀疏贝叶斯学习算法(SBL)在解决低信噪比条件下信号到达角(DOA)估计有效性的问题，提出基于酉变换的实数域稀疏贝叶斯学习(RV-OGSBL)的快速离格DOA估计方法。该方法首先对均匀线阵的实际接收信号通过构造增广矩阵作为 DOA 估计的处理信号，然后利用酉变换将估计模型从复数域转化到实数域，进一步在实数域下将离格模型与稀疏贝叶斯学习算法相结合迭代处理实现 DOA 估计，获得较高的估计精度。仿真结果表明，RV-OGSBL 方法不仅能保持传统 SBL 算法的性能，而且显著降低了计算复杂度。在低信噪比和低快拍数的情况下，算法运行时间降低约50%，表明该方法是一种快速的DOA估计算法。
2021-03-23 21:35:31
714KB
1
在MVG(多视图几何)和机器学习领域，求解线性方程组几乎是所有算法的根本，本文旨在帮助读者搞懂矩阵分解与线性方程组的关系，并给出利用SVD求解线性方程组的实战代码。
本资源是博文"【动手学MVG】矩阵分解与线性方程组的关系，求解线性方程组实战代码"的完整工程。博文链接：https://blog.csdn.net/a435262767/article/details/108774141
2021-01-28 05:03:50
842KB
1
提出了一种基于CT-CZT-SVD的数字水印算法。该算法利用CZT变换算法的高频窄带分析能力和奇异值的稳定性对CT变换获取的表示细节特征的图像高频分量进行混合处理。实验表明，该算法通过提高频率分辨率及频谱锐化效果，能充分表达图像的细节信息，有效提升了水印图像的不可见性以及对常见的几何攻击、JPEG压缩等水印攻击的鲁棒性。
2021-01-28 02:33:20
1.3MB
1
这是一篇经典的矩阵填充算法文章，用到的是SVT，即奇异值阈值法。
2021-01-16 14:43:04
441KB
1
为了辨识一类非线性Hammerstein-Wiener系统，基于递推贝叶斯算法和奇异值分解，提出了一种两阶段在线辨识算法。该算法首先利用递推贝叶斯算法估计乘积项参数，然后利用奇异值分解得到待估计参数。仿真结果表明，所提算法可以较小的计算量获得精度较高的参数估计值。
2020-01-03 11:39:33
1.11MB
1
基于SVD的图像压缩
基于SVD的协同过滤推荐系统
我的博客地址：
http://blog.csdn.net/jinshengtao/article/details/41387379
2020-01-03 11:23:22
3.95MB
1
奇异值分解 SVD LSI 源码
奇异值分解 SVD LSI 源码
奇异值分解 SVD LSI 源码
奇异值分解 SVD LSI 源码
2019-12-21 22:25:39
9KB
1
关于矩阵奇异值分解的很详细易懂的讲解
本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com
2019-12-21 22:23:16
356KB
1