1) eigen-decomposition
特征分解
1.
According to the principle of kernel function spectral decomposition,the authors express the discrete real kernel as a symmetric matrix,and indicate the discrete bilinear time-frequency transformation as a weighted sum of discrete spectrograms with eigen-decomposition of symmetric matrices.
根据核函数的谱分解理论,把实离散核函数表示为实对称矩阵,利用对称矩阵的特征分解把离散时间双线性时间-频率变换表示为离散时间频谱图的加权和,用频谱图的部分和实现双线性变换的快速近似计算。
2.
Projection approximation subspace tracking with deflation (PASTd) algorithm belonging to eigen-decomposition algorithm was widely used in adaptive beam forming for antenna array.
矩阵特征分解算法中紧缩近似投影子空间跟踪(PASTd)算法在自适应阵波束形成中得到了广泛应用。
3.
Based on the theory of eigen-decomposition of fully polarimetric Synthetic Aperture Radar (SAR) and maximum likelihood (ML) classifier,an unsupervised iteration classification method is proposed.
本文在全极化合成孔径雷达 (SAR)特征分解和最大似然估计 (ML)分类的基础上 ,提出基于全极化SAR极化特征分解及最大似然估计的非监督分类迭代算法 。
2) eigendecomposition
特征分解
1.
High-resolution direction-of-arrival (DOA) estimation algorithms based on eigendecomposition have a promising future in engineering application for their good performances.
基于特征分解的高分辨方位估计(DOA)算法是一类性能良好的目标定位方法,具有良好的工程应用前景。
2.
The new method avoids the estimation and eigendecomposition of the covariance matrix of the received signals which is the main computational burden in traditional subspace method.
提出了一种基于传播算子的低复杂度二维波达方向估计新算法,该方法避免了常规子空间方法中占主要运算量的估计信号协方差矩阵及其高维矩阵的特征分解,降低了运算复杂度,并且由于无阵列孔径损失,获得了良好的参数估计性能。
3.
Then, exploiting the matrix perturbation theory, the second order correction method of matrix eigendecomposition to update the eigenvalues and eigenvectors is proposed.
利用指数窗法对阵列协方差矩阵作秩 1更新;然后在矩阵扰动 理论基础上,利用矩阵特征分解二阶修正方法更新特征值和特征向量;针对最小特征 值重合情形仅对信号子空间进行递推更新,根据更新了的信号子空间得到动态联合 谱;最后仿真结果验证了该方法的可靠性。
3) Eigenvalue decomposition
特征分解
1.
An adaptive method applying eigenvalue decomposition-based spectrum analysis technique to narrow-band digital communication interference suppression in radar is proposed and studied.
基于特征分解谱分析技术 ,提出并研究了在雷达中自适应抑制窄带数字通信信号干扰的方法。
2.
The signal processing model for EM-sensor mounted on the airframe is made by biquaternion and then the eigenvalue decomposition(EVD)of spectral matrix is obtained by means of the EVD of its quaternion adjoint matrix.
针对机载电磁矢量传感器阵列DOA和极化参数估计问题,提出了一种基于复四元数估计方法,该算法利用四元数建立机载电磁矢量传感器阵列信号处理模型,然后利用四元数联合矩阵的特征分解得到阵列数据相关矩阵的特征分解,一方面使得计算过程中数据的贮存量大大减少,另一方面通过推导得到信号子空间和噪声子空间在四元数域上的正交性从而使DOA和极化参数估计的精度更高,仿真证实了本算法的有效性。
3.
The proposed method consists of the segmented matrix eigenvalue decomposition method,independent component analysis and information bits shell-off algrithm based on m sequence\'s shift-and-add characteristics.
针对非周期性DS/CDMA信号PN码序列估计的难题,文中提出了把分段特征分解法、独立分量分析算法和基于m序列移位相加特性的信码剥离算法相结合的盲估计算法。
4) eigen decomposition
特征分解
1.
Suppression of radio-frequency interference in HFGW radar based on eigen decomposition;
基于特征分解的高频地波雷达抗射频干扰研究
5) feature decomposition
特征分解
1.
In this dissertation, the concept of visual feature decomposition is proposed.
本篇硕士论文在分析和比较了已有算法的基础上，提出了二维形体的视觉特征分解概念，并将其用于二维形体渐变及其内部纹理渐变算法。
补充资料：偏微分算子的特征值与特征函数
由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x1,x2)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x)，使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式：
对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
与此密切相关的是下面的MP公式：(t→+0)
取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。
上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
。
当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
与此密切相关的是下面的MP公式：(t→+0)
取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。
上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
。
当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条