基于 L-曲线参数优化的均匀声场重建算法

为了得到最小二乘法声场重建问题的稳定解,通常需要引入Tikhonov正则化方法。然而正则化程度取决于正则化参数的选择。针对这一问题,提出了一种基于L-曲线法参数选择的均匀声场重建算法。该算法根据重建误差与扬声器功率计算得到L-曲线,该曲线上曲率最大的点所对应的参数值作为Tikhonov正则化参数的选值。确定正则化参数后可进一步得到扬声器权系数以及重建均匀声场。针对不同正则化参数取值方法,对控制区域进行均匀声场重建以及重建性能仿真。仿真结果及实验表明,L-曲线法实现了重建误差与扬声器驱动信号功率之间的平衡。     

一种全球定位系统接收机单点定位的新算法及数值试验

借助于Bancroft方法快速决定全球定位系统中接收机的大概位置，可作为观测方程线性化的初值.采用最小二乘法来求解方程时，观测数据存在较大误差(即出现粗差)的情况下，最小二乘解会出现不稳定性，即问题呈不适定性.为了克服解的不适定性，引入了正则化方法，采用正则化方法及正则化参数最优选择来提高抗粗差能力.实验结果表明，利用这种定位方法的抗粗差能力有一定的改进，这对实时、快速定位有重要意义. 关键词： 全球定位系统 Bancroft方法 最小二乘法 正则化     

用于同步辐射的压电变形镜控制策略数值模拟北大核心CSCD

为了提高同步辐射中压电变形镜的控制自由度和面形精度,解决压电致动单元数量过多引起的解算电压受噪声影响异常波动(过拟合)问题,建立了变形镜模型并进行仿真控制。通过有限元仿真获得36组压电响应方程,构建面形与电压的数学模型;为补偿重力造成的镜面畸变,以获得的椭圆面形分析并比较了使用最小二乘法和Tikhonov正则化两种电压解算方案的控制效果。结果表明:采用Tikhonov正则化算法反演后,面形控制误差相比最小二乘法降低了21.7%,相邻极板间电压波动极大值从1.019 kV下降为0.174 kV,反演结果符合工程实际要求;系统对测试噪声具有鲁棒性,相比最小二乘法有更加优越的应用价值。     

含噪混沌时间序列预测误差分析

对于含噪混沌时间序列预测问题, 传统方法存在较大的经验性, 对预测误差的构成分析不足, 因而忽略了混沌动态重建与预测模型建立之间的差异性. 本文将实际预测误差分解为预测器偏差和输入扰动误差, 并对整体最小二乘和正则化两种全局预测方法进行分析比较, 进而说明整体最小二乘适用于混沌动态的重建, 对预测器偏差影响较大, 而正则化方法能够改善预测器敏感性, 对输入扰动误差影响较大. 通过两个仿真实例, 展示了混沌动态重建与预测模型建立之间的差异, 在对比最小二乘和正则化方法的同时验证了实际预测误差受预测器偏差和输入扰动误差共同作用. 并指出, 在实际操作时应在二者间寻求平衡, 以便使模型预测精度达到最优. 关键词： 混沌时间序列预测 噪声 整体最小二乘 正则化     

二维有耗色散介质的时域逆散射方法

为了重建二维有耗色散介质的电参数分布,基于Debye模型,应用泛函分析和变分法,提出一种时域逆散射新方法.该方法首先以最小二乘准则构造目标函数,将逆问题表示为约束最小化问题,接着应用罚函数法转化为无约束最小化问题,然后基于变分计算导出闭式的Lagrange函数关于特征参数的Fréchet导数,最后借助梯度算法和时域有限差分法迭代反演Debye模型参数.为了对抗噪声污染和逆问题的病态特性,采用了一阶Tikhonov正则化方法.数值应用中,利用Polak-Ribière-Polyak非线性共轭梯度法,对二维乳     

计算机控制光学表面成形中大规模驻留时间求解

采用基于稀疏矩阵的大规模非负最小二乘法,对大口径、微浮雕结构光学元件加工中的驻留时间进行了分析与求解,并对该算法开展了正则化研究。仿真结果表明:与传统非负最小二乘法相比,基于稀疏矩阵的大规模非负最小二乘法精度高、效率快。采用该算法仿真加工平均振幅为1.177 6倍波长的大口径、微浮雕结构光学元件,误差面形均方根收敛至0.067倍波长。     

一种基于约束共轭梯度的闪光照相图像重建算法

 针对闪光照相系统成像信噪比低的特点，提出了正则化预优约束共轭梯度算法（RPCCG）。RPCCG算法在闪光照相重建方程中引入Tikhonov正则化准则，利用预优约束共轭梯度法迭代求图像重建的最优解。数值试验表明，采用最小二乘+平滑准则的RPCCG算法是一种具有较高的抗噪能力的有效闪光照相图像重建算法，具有良好的收敛性和稳定性以及较高的重建精度。     

基于正则化迭代的并行磁共振图像重建算法

为了解决并行磁共振成像过程的病态性和图像信噪比下降问题,降低重建过程中噪声放大和异常值的干扰造成的图像信噪比的损失,提出了一种基于正则化共轭梯度迭代的并行磁共振成像重建算法;该算法基于最小二乘理论,引入正则化,优化方程,进而进行迭代重建;采用了不同加速因子的人脑磁共振K空间欠采样数据以验证该算法的重建性能,仿真结果表明了该算法相较于最小二乘法,能较大限度地降低噪声对重建结果的干扰,具有信噪比更高、误差更小、成像效果更好等特征;重建图像质量得到了较好的改善,对临床诊断更具有适用性。     

正则化参数求解方法研究

针对BP神经网络算法训练过程中出现的过拟合问题,提出了利用一阶原点矩,二阶原点矩,方差和极大似然估计概念的推广来计算L2正则化中正则化参数 值的方法。该方法通过对算法数据集[X,Y]中的X矩阵进行运算得到的四个 值,BP神经网络算法训练时通常采用的是贝叶斯正则化方法,贝叶斯正则化方法存在着对先验分布和数据分布依赖等问题,而利用上述概念的推广计算的参数代入L2正则化的方法简便没有应用条件限制。在BP神经网络手写数字识别的实验中,将该方法与贝叶斯正则化方法应用到实验中后的算法识别结果进行比较,正确率提高了1.14-1.50个百分点。因而计算得到的 值应用到L2正则化方法与贝叶斯正则化方法相比更能使得BP神经网络算法的泛化能力强,证明了该算法的有效性。     

基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用

针对混合气体建模过程中最小二乘支持向量机参数难以确定及红外光谱数据计算量过大的问题,提出一种粒子群优化的最小二乘支持向量机方法,用于建立基于主成分分析特征提取的红外光谱多组分气体定量分析模型。首先对主吸收峰区域的550个红外光谱数据利用主成分分析技术进行了特征提取,将降维得到的7个特征值作为模型的输入变量从而有效地降低了计算量。混合气体主要由浓度范围分别是0.1%～1%的甲烷、乙烷及0.1%～1.5%的丙烷三种组分气体组成。采用最小二乘支持向量机技术分别建立了各组分气体的定量分析模型,利用粒子群优化算法对最小二乘支持向量机算法中的参数进行了优化选取,取代了传统的遍历优化方法,然后利用取得的最优参数重建定量分析模型。实验结果表明,采用此方法离线建模所用时间比采用遍历优化方法节省40倍以上,预测结果误差水平相当,满足实测要求。粒子群优化算法在全局优化及收敛速度方面具有较大优势。粒子群优化算法与最小二乘支持向量机技术相结合用于混合气体定量分析是切实可行的,具有一定的实际意义和应用价值。     

Low-field magnetic resonance imaging using multiplicative regularization

In this paper we present a magnetic resonance imaging (MRI) technique that is based on multiplicative regularization. Instead of adding a regularizing objective function to a data fidelity term, we multiply by such a regularizing function. By following this approach, no regularization parameter needs to be determined for each new data set that is acquired. Reconstructions are obtained by iteratively updating the images using short-term conjugate gradient-type update formulas and Polak-Ribière update directions. We show that the algorithm can be used as an image reconstruction algorithm and as a denoising algorithm. We illustrate the performance of the algorithm on two-dimensional simulated low-field MR data that is corrupted by noise and on three-dimensional measured data obtained from a low-field MR scanner. Our reconstruction results show that the algorithm effectively suppresses noise and produces accurate reconstructions even for low-field MR signals with a low signal-to-noise ratio.     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

Adaptive regularizations in an iterative regularized pseudoinverse method

Adaptive regularizations in the implementation of the iterative regularized pseudoinverse method are described. Three different ways of increasing the regularizing parameter are investigated through computer simulations. It is shown that the optimum type of adaptive regularization is identical with the one we have proposed in the previous works.     

Identification of three-dimensional electric conductivity changes from time-lapse electromagnetic observations

We present a novel solution algorithm for 3D parameter identification based on low frequency electromagnetic data. With focus on large-scale applications such as monitoring of subsea oil production, CO₂ sequestration, and geothermal systems, the proposed solution algorithm is designed to meet challenges related to low parameter sensitivity, nonuniqueness of the inverse solutions, nonlinearity in the mapping from the data to the parameter space, and costly numerical simulations. Motivated by earlier investigations on the relation between sensitivity, nonlinearity and scale, the proposed solution approach is based on a reduced, composite parameter representation. Though a reduced representation restricts the solution space, flexibility with respect to which parameter functions that can be represented is obtained by facilitating the estimation of the structure and smoothness of the representation itself. Moreover, the resolution of the parameter function is detached from the computational grid and determined as part of the estimation. The performance of the proposed solution algorithm is illustrated through numerical examples for identification of underground electric conductivity changes from time-lapse electromagnetic observations.     

基于粒子群算法的球磨机情感智能自适应辨识算法

制粉工艺在矿物加工工程技术中极其重要,而球磨机正是其关键设备。针对球磨机系统时变性、非线性的特点,提出了采用大脑情感学习模型(Brain Emotional Learning, BEL)对球磨机系统实现正向模型和逆模型辨识,并利用粒子群算法(PSO)对整个参数空间进行高效并行搜索使参数最优化,并给出球磨机系统数学模型辨识算法。仿真结果表明,改进方法可使模型输出与球磨机系统输出或输入达到一致,具有模型辨识误差小、算法简单的特点。     

基于马尔可夫随机场的改进Metropolis混凝土CT的图像分割方法

提出一种基于马尔可夫随机场改进的Metropolis模拟退火算法.该算法中阈值α的选取优化了Metropolis算法.根据Beyes理论将图像分割问题转化为最大后验概率求取问题,并给出了参量预测算法.在实验中,将本文提出的算法与ICM、传统的Metropolis和Gibbs采样模拟退火算法进行比较.结果表明改进的Metropolis算法在图像分割效率和分割准确度上都有明显的提高.通过混凝土CT图像分割实验,改进Metropolis的应用能够较完整地反映出混凝土材料的内部结构和缺陷.     

全自动真空激光波带片变形测量系统的研制及应用

研制了全自动真空激光变形测量系统。介绍了应用该系统对混凝土重力坝进行变形测量的实施情况。系统测量的基本原理是三点法准直测量。主要特点是:采用了经特殊设计的接收装置和专门的优化算法,测量精度为0.1mm,分辨率为0.01mm;在主控机的控制下可全自动运行,无需人工干预,可在设定的时间点上对大坝的水平和垂直变形同时进行监测;为了保护整个系统的安全和稳定,系统为完全封闭设计;系统具有网络通讯能力,上位机可通过Inter net自动联接主控机,可远距离的实现对整个测量系统的完全控制。     

基于改进克隆选择算法的统一混沌系统同步控制与参数辨识

提出一种改进的克隆选择算法用于解决混沌系统的参数辨识问题.该算法利用抗体的高频变异和受体编辑两种机制有效平衡算法的全局探索与局部开发，并引入向精英抗体学习策略进一步提高算法的收敛质量.对10个优化问题的实验表明：所提出算法在求解精度、收敛速度以及稳定性方面具有更好的性能.以参数未知统一混沌系统的同步控制为研究对象，合理设计同步控制器，并对同步系统的稳定性进行理论分析.通过对同步比例因子的设置，实现统一混沌系统的完全同步、反同步、投影同步等多种同步方式.仿真实验结果表明该方法能够实现对未知系统参数的精确辨识以及驱动-响应系统的有效同步控制，验证了所提方法的可行性与有效性.