广义奇异值分解

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：

对{A,B}进行分解，其中，

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

 

 

 

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