[发明专利]基于区块的主成分分析转换方法及其装置在审
申请号: | 201810252676.8 | 申请日: | 2018-03-26 |
公开(公告)号: | CN109544557A | 公开(公告)日: | 2019-03-29 |
发明(设计)人: | 谢景棠;陈力铭;其他发明人请求不公开姓名 | 申请(专利权)人: | 淡江大学 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G10L25/27;G10L25/48 |
代理公司: | 上海申新律师事务所 31272 | 代理人: | 董科 |
地址: | 中国台湾新*** | 国省代码: | 中国台湾;71 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一维向量 主成分分析 向量 分割 协方差矩阵 特征向量 区块 转换 相乘 二维向量 投影系数 减去 | ||
本发明提出一种基于区块的主成分分析转换方法及其装置。主成分分析转换方法包括:获得输入信号;分割输入信号并获得对应分割后的输入信号的多个一维向量,其中这些一维向量的数量为分割数量;将这些一维向量排列成二维向量后,减去分割数量的一维向量的均值以获得零平均向量;计算零平均向量的协方差矩阵;计算协方差矩阵的特征向量;以及将零平均向量与特征向量相乘以获得投影系数。
技术领域
本发明是有关于一种基于区块的主成分分析转换方法及其装置,且特别是有关于一种可以较低数据量还原原始信号的主成分分析转换方法及其装置。
背景技术
传统主成分分析(Principal Component Analysis,PCA)在处理信号时因为处理的信号维度相当大,因此撷取特征向量与特征值所需要的计算成本也非常高。有相关研究提出利用硬件解决此问题,然而这会大幅增加硬件上的成本。因此如何更有效率地进行主成分分析转换是本领域技术人员所应致力的目标。
发明内容
有鉴于此,本发明提供一种基于区块的主成分分析转换方法及其装置,能够以低数据量完全重建原始信号。
本发明提出一种基于区块的主成分分析转换方法,包括:获得输入信号;分割输入信号并获得对应分割后的输入信号的多个一维向量,其中上述一维向量的数量为分割数量;将上述一维向量排列成二维向量后,减去分割数量的一维向量的均值以获得零平均向量;计算零平均向量的协方差矩阵;计算协方差矩阵的特征向量;以及将零平均向量与特征向量相乘以获得投影系数。
在本发明的一实施例中,上述输入信号为一维信号,且分割输入信号并获得对应分割后的输入信号的上述一维向量的步骤包括:将一维信号分割为多个帧,并根据对应这些帧的多个取样点获得上述一维向量。
在本发明的一实施例中,上述一维信号语音信号。
在本发明的一实施例中,上述输入信号为二维信号,且分割输入信号并获得对应分割后的输入信号的一维向量的步骤包括:将二维信号分割为多个区块,获得对应这些区块的多个像素的多个二维矩阵,并将上述二维矩阵转换为上述一维向量。
在本发明的一实施例中,上述二维信号为影像信号。
在本发明的一实施例中,上述主成分分析转换方法更包括:将投影系数与特征向量的反矩阵相乘以获得重建零平均向量;将重建零平均向量加上均值以获得还原一维向量;以及将还原一维向量排列为还原输入信号。
本发明提出一种基于区块的主成分分析转换装置,包括处理器及耦接到处理器的存储器。其中处理器获得输入信号;分割输入信号并获得对应分割后的输入信号的一维向量,其中上述一维向量的数量为分割数量;将上述一维向量排列成二维向量后,减去分割数量的一维向量的均值以获得零平均向量;计算零平均向量的协方差矩阵;计算协方差矩阵的特征向量;以及将零平均向量与特征向量相乘以获得投影系数。
在本发明的一实施例中,上述输入信号为一维信号,且处理器将一维信号分割为多个帧,并根据对应这些帧的多个取样点获得上述一维向量。
在本发明的一实施例中,上述输入信号为二维信号,且处理器将二维信号分割为多个区块,获得对应这些区块的多个像素的多个二维矩阵,并将上述二维矩阵转换为上述一维向量。
在本发明的一实施例中,上述处理器将投影系数与特征向量的反矩阵相乘以获得重建零平均向量;将重建零平均向量加上均值以获得还原一维向量;以及将还原一维向量排列为还原输入信号
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于淡江大学,未经淡江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810252676.8/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种图像特征提取方法
- 下一篇:一种城市复杂环境下阴影与水体分离方法