迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法, 但此类通过迭代计算逐点距离矩阵实现点云配准的方式, 严重制约了点云的配准效率。本文提出一种快速 ICP算法, 利用 Frobenius范数表示待配准的两幅点云之间的误差函数, 获得误差值最小点位置, 并对此位置进行奇异值分解, 从而得到旋转矩阵和平移向量, 极大压缩了迭代次数和配准时间。在 Standford数据集和 3DMatch数据集上进行试验, 与传统 ICP算法及其变体、3种基于学习的点云配准算法进行对比, 本文方法配准效率最优; 在达到相近的配准精确度时, 提出的快速 ICP方法的迭代次数仅为传统 ICP算法的 0.2倍, 在 Standford数据集上配准所需时间为传统 ICP算法的 1/4, 在 3D Match数据集上配准所需时间为传统 ICP算法的 1/8倍。本文提出的快速 ICP算法在数据量大的点云场景下, 具有更高的效率。

为提高松动爆破振动信号分析精度, 在局部均值分解(LMD)的基础上, 建立一种基于局部均值分解(LMD)-多尺度模糊熵(MFE)-奇异值滤波(SVD)的混合去噪方法。使用LMD方法对松动爆破振动信号进行分解, 获得一系列乘积分量(PF); 通过计算MFE和相关系数, 对爆破振动信号进行初步降噪; 针对主要PF分量的残留噪声, 使用SVD滤波进行降噪处理, 提取真实信号成分。通过上述处理, 最终实现松动爆破信号降噪。结果表明: 提出的LMD-MFE-SVD降噪方法具有可行性和应用价值, 能够对含噪的PF分量进行有效处理; 对于含多信号成分、多噪声的仿真信号, LMD类算法相较EMD类改进算法降噪效率更高, 信噪比(SNR)、均根方误差(RMSE)和失真百分比(PRD)指标表现显著提升, 而相较LMD算法, 提出的LMD-MFE-SVD算法降噪效率进一步提高, 依次提升11.73%、22.07%和9.25%, 降噪效率显著; 根据实测松动爆破振动信号去噪后的波形和频谱对比, 提出的LMD-MFE-SVD降噪后的信号波形更为集中, 能保留多数信号信息, 信号频谱图更为清晰, 有效显示信号频率波峰, 更利于松动爆破振动信号的特征分析。

传统稀疏表示融合方法，以图像块进行字典训练和稀疏分解，由于没有考虑图像块之间的内在联系，易造成字典原子表征图像特征能力不足、稀疏系数不准确，导致图像融合效果不好。为此，本文提出可见光与红外图像组 K-SVD(K-means singular value decomposition)融合方法，利用图像的非局部相似性，将相似图像块构造成图像结构组矩阵，通过组 K-SVD进行字典训练和稀疏分解，可以有效提高字典原子的表征能力及稀疏系数的准确性。实验结果表明，该方法在主观和客观评价上都优于传统稀疏融合方法。

针对目前奇异值分解降噪算法中有效秩阶次的确定存在说服力不足、工程应用困难的问题, 提出一种利用噪声特征的新方法。首先运用相空间重构获得奇异值序列; 其次求出各点对应的滤除信号分形维数; 最后结合实际噪声分形维数判断最佳有效秩阶次。仿真算例证实了该方法的有效性, 并与两种典型算法进行了对比, 着重说明了充分利用噪声特征这一要素所带来的好处, 给出了算法随信噪比的性能变化。

针对单独采用SVD或形态学对故障信号降噪效果不理想的问题, 提出一种基于多尺度形态学的SVD降噪方法。首先, 在SVD降噪原理上, 通过循环矩阵法重构矩阵;其次, 针对重构信号矩阵的有效阶次大小会影响消噪效果, 在MMRR奇异值比法基础上, 采用相邻特征极值的比值作为目标函数, 估计有效阶数, 确定奇异值有效数进而还原信号;最后, 设计一种基于多尺度形态学的SVD滤波器, 选择合适的结构元素, 并将形态学的开闭运算进行自适应组合。仿真验证表明,该改进方法可以显著提高信噪比, 有效滤除故障信号中的冲击信号、白噪声等, 较单独的SVD或形态学降噪方法抗噪能力强, 具有一定工程应用价值。

针对不同环境光亮度下手机拍摄印品后提取秘密信息困难的问题, 提出一种基于奇异值信息熵不变特性的抗打印拍摄信息隐藏方法。将彩色载体图像转换到YCbCr颜色空间,选择Contourlet域低频系数进行奇异值分解, 利用奇异值信息熵的不变特性, 将全息加密的彩色QR码嵌入到彩色载体图像的奇异值中。实验结果表明算法不可见性好, 不仅对打印拍摄具有很好的鲁棒性, 而且对压缩滤波攻击及几何攻击后再次打印拍摄二次攻击仍然具有很好的抵抗性。以彩色QR码作为防伪信息, 可以携带丰富的版权信息, 使用手机即可识别, 方便快捷, 在商品包装防伪方面有着很好的实际应用价值。

介绍了针对中国散裂中子源(CSNS)的直线到环输运线(LRBT)所设计的条带式束流位置测量(BPM)系统, 探头方案以条带式电极为基础进行物理设计及参数优化, 并通过机械标定减少机械加工误差, 电子学选用商用数据处理方案。此系统在加速器实际运行中有效提供位置信息, 对在线测量数据采用奇异值分解(SVD)进行分析, 根据分析结果, 对束流轨道测量的精度达到预期设计目的, 满足物理调束需求。

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)的湍流速度结构函数构造方法, 将该方法构造的速度结构函数与湍流模型拟合, 可以实现激光雷达的湍流识别。首先对激光雷达扫描的空间数据进行距离门扇区划分, 在每个子扇区内对湍流风场做奇异值分解, 得到特征速度基准值和每个距离门的湍流脉动速度, 构建出速度结构函数。选取标准von Kármán湍流模型函数作为拟合约束, 得出涡流耗散率的立方根来判断湍流的强度。最后, 利用兰州机场的实测数据, 对比分析了在不同湍流强度下SVD方法的速度结构函数与局部平均方法的性能。通过与机组报告的湍流数据进行对比分析, SVD方法进行湍流预警的预警率可以达到85.2%。该方法对提高机场湍流探测和识别有重要意义。

针对某2 m望远镜消旋K镜转台, 提出了一种基于Hankel矩阵奇异值分解的特征系统实现算法对系统的参数和阶次进行辨识。首先, 以正弦扫描信号激励转台并同步采集位置反馈信息, 利用谱分析法对测试数据进行分析, 得到了系统的频率特性曲线; 其次, 对系统的Hankel矩阵进行奇异值分解, 得到了K镜转台的结构模型; 最后, 采用特征系统实现算法对Hankel矩阵进行辨识, 得到了K镜转台的参数模型。实验结果显示: K镜转台相对均衡的最小阶阶次为6阶, 在系统的中低频段获得幅度±0.31 dB和相位±0.87°的辨识精度, 相对于参数递阶辨识方法, 分别提高了50.7%和23%。结果表明: 该方法能够确定一个与系统外特性“等价”的相对均衡的最小阶状态空间模型, 在辨识系统阶次和参数估计方面具有较好的可行性和实用性。

为解决采用独立成分分析算法进行图像降噪需要多个观测信号的问题，提出一种对单张图像冗余信息进行稀疏以生成多个观测信号的方法。该方法首先采用字典压缩算法对原噪声图像稀疏；再采用非局部均值算法对压缩图像的冗余信息进行处理，将处理后的冗余信息生成初次降噪图像；将初次降噪图像和原噪声图像共同作为独立成分分析的多个观测信号。结合非局部均值算法可以避免仅使用字典压缩算法造成的过量稀疏，研究表明当高斯白噪声标准差σ在20~45范围时，本文提出的方法比字典稀疏压缩算法和非局部均值算法降噪效果更好，图像降噪后的峰值信噪比是降噪前的1.4倍。本文提出的方法在高斯白噪声标准差σ在20~45范围时，具有很好的降噪效果。