- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二章参数估计理论4
SVD-LS 算法
SVD 定理:给定数据矩阵A (K ×M ) ,存在两个酉矩阵V 和U ,使得
M ×M K ×K
⎛Σ 0 ⎞
UH AV ⎜ 1 ⎟ Σ (1)
⎝ 0 0 ⎠
其中Σ diag (σ ,σ ,...,σ ) 且σ ≥σ ≥... ≥σ ,r ≤min(K, M ) 。
1 11 22 rr 11 22 WW
SVD 定理也可以写成如下形式:
⎛Σ 0 ⎞ r
A UΣVH U 1 VH U Σ V H ∑σ u v H , (2 )
⎜ ⎟ 1 1 1 ii i i
⎝ 0 0 ⎠ i 1
其中u 和v 为列向量,分别称A 的左,右奇异向量。
i i K ×M
又由于
H H 2 ⎛Σ12 0 ⎞ H 2 H
V A AV Σ ⎜ ⎟或者A A VΣ V (3 )
⎝ 0 0 ⎠
因此V 的列向量v 是(AH A) 的特征向量,其对应的特征值是A 的奇异值σ 的
i M ×M i
2
平方 。
σ
i
同理,U 的列向量u 是AAH 的特征向量,其对应的特征值是A 的奇异值σ
i i
2
的平方 。
σ
i
A
由奇异值分解定理,可以定义 的一个更广义的伪逆矩阵
⎛ −1 ⎞ r
Σ 0 1
A† V ⎜ 1 ⎟UH ∑ v uH (4 )
i i
文档评论(0)