目录
一、定义
二、算例
三、文献中的应用
四、数值算法
一、定义
假定有两个矩阵:
![](https://i-blog.csdnimg.cn/blog_migrate/35b930d44c32b4cfea362c3aa1c407ba.png)
对{A,B}进行分解,其中,
![](https://i-blog.csdnimg.cn/blog_migrate/e71302d4b0a2e234e26a4f0f57d2dafa.png)
其中U为m×m的正交矩阵,V为n×n的正交矩阵,C为m×p的对角矩阵,S为n×p的对角矩阵,
X为p×q的非奇异矩阵(q=min(m+n,p))
广义奇异值是 C
和 S
的对角线元素之比.
广义奇异值与矩阵
的奇异值等价,故广义奇异值分解也被称为商奇异值分解
二、算例
![](https://i-blog.csdnimg.cn/blog_migrate/bdb280525ac28e1e39149113e558cdd3.png)
![](https://i-blog.csdnimg.cn/blog_migrate/5c1b253ed1181d517adb507ca96d5237.png)
![](https://i-blog.csdnimg.cn/blog_migrate/2a5bb2bd0507f53711c5a4bff87b2a52.png)
![](https://i-blog.csdnimg.cn/blog_migrate/e022aa843fa499e5e470899d93d36de3.png)
![](https://i-blog.csdnimg.cn/blog_migrate/ded364c74797c0a172d64507f6aa3de6.png)
三、文献中的应用
1.图像去噪声算法(tsvd)
该算法主要通过邻域选取法对传统矩阵进行扩展,使其成为高阶广义矩阵
2. 麦克风阵列降噪
四、数值算法
关键:如何避免求逆,如何适用于B矩阵奇异的一般情况