基于波前扩展的线性走时插值射线追踪算法

线性走时插值算法(LTI)在走时的计算中由于考虑的射线方向有限,计算得到的节点走时不一定最小,导致追踪的射线路径无法满足最小走时.针对这一问题,本文提出了一种改进的LTI射线追踪算法,该算法通过模拟真实波传播过程,采用波前扩展方法计算节点走时使节点走时更接近真实最小值,以确保射线追踪的精度.模拟算例结果表明,该算法在有效地提高射线追踪精度的同时,兼顾了计算的效率.     

一类椭圆型变分不等式的修正代数多重网格解法及并行计算

提出了一种修正的代数多重网格解法,来求解具有对称二阶椭圆算子的变分不等式的有限元离散问题.该方法基于离散椭圆型变分不等方程的线性互补性,运用积极集策略,对Gauss-Sidel光滑迭代后的近似解进行一个后处理,以满足不等式约束,从而解决了标准代数多重网格法在求解自适应网格上的变分不等式时不收敛的问题.数值实验表明了该算法在一致网格和h-自适应网格上的计算有效性和健壮性.为了减少计算时间,根据该修正算法内在的并行度,提出了一个并行计算格式,数值结果给出了该并行的加速比和效率.     

网格尺度对走时层析成像结果的影响分析及对策

基于网格剖分的走时层析算法反演地下地质结构,在地震走时数据采集精度确定、炮点接收点固定的条件下,要选择一个适当的网格尺度.本文分析了不同网格尺度对层析结果精度的影响,网格尺度过大,走时层析算法不能准确反演地下地质结构;网格尺度过小,反演结果包含过多插值的结果,反演精度不高,且会增加工作量和研究时间,对层析成像无实际意义.因此选择合适的网格尺度对层析成像结果的精度和算法的计算效率都有意义.本文以实际地质勘探为例,根据炮点接收点的位置对走时层析成像的影响,选取走时层析成像算法的最佳网格尺度.     

模型降阶中的Lyapunov方程求解方法

提出了一种综合使用PRIMA(Passive Reduced-Order Interconnect Macromodeling Algorithm)和Low-Rank Smith算法来处理模型降阶问题,该算法能够很好的求解Lyapunov方程的低秩近似解.使用本算法处理模型降阶中的平衡截断法产生的Lyapunov方程时,可以平衡误差与精度,使得平衡截断法在大规模系统中得以运用.     

基于Polar form的三角Bezier曲面上参数曲线的求法

通过polarform算法及多元仿射变换理论给出三角Bezier曲面上任意多项式曲线的Bezier表示形式,从而简化了三角曲面上多项式曲线的求解,可提高曲面离散算法的效率,便于三角曲面快速网格剖分和细化。     

一类求解方程根的改进粒子群优化算法

在群集智能研究的新进展粒子群优化算法（PSO）的基础上，从初始种群的产生、目标函数的处理的角度改进PSO，并在分析讨论代数方程根的分布规律基础上，从优化的角度求解复系数方程和超越方程．数值计算表明，改进算法具有不依赖于迭代初值、良好的适应性和较高的精度的特点，是求解代数方程根的一种成功的算法。     

变步长技术在电离层射线追踪中的应用

从射线的矢量微分方程出发,采用龙格－库塔方法求解射线参数方程,实现了电离层中的射线追踪。根据电子密度梯度的变化,相应地改变积分步长,即采取所谓的实时变步长技术,并以二维球面分层准抛物电子密度模型和赤道双峰模型为例,采用了变步长射线追踪技术,讨论了该方法在计算速度和精度方面对原有方法的改进,结果表明,采用变步长技术既能使计算快速进行,又保证了很好的精度。     

基于Polar form的三角Bèzier曲面上参数曲线的求法

通过 polar form算法及多元仿射变换理论给出三角 Bèzier曲面上任意多项式曲线的Bèzier表示形式 ,从而简化了三角曲面上多项式曲线的求解 ,可提高曲面离散算法的效率 ,便于三角曲面快速网格剖分和细化     

基于黎曼度量张量的各向异性网格划分算法研究

由于实际中某些复杂性工程问题的解具有各向异性的特点, 为采用更少的网格单元数及更好的单元质量来进行有限元分析, 以实现高效求解, 各向异性剖分单元则是一种有效的前处理技术. 因此为生成高质量各向异性网格, 首先在给定黎曼度量的基础上形成各向异性背景网格, 然后通过各向异性Delaunay原则进行边交换, 再基于力平衡实现节点的光滑平顺, 由标准化面积和标准化边长规定节点的添加与删除, 以及节点近似投影的边界约束, 得到一个与具有方向性问题相匹配的网格. 最后通过3个实例验证给出的各向异性网格划分算法的可行性.     

一种基于GPU的并行三维各向异性扩散的超声图像斑点噪声滤波算法

三维的各向异性扩散的斑点噪声滤波算法(3D SRAD)计算密集,在CPU上串行处理运行效率较低,耗时长,不能满足实时系统的需求.为解决此问题,本文基于CUDA平台提出一种并行的3D SRAD算法——3D pSRAD.该算法从数据处理,任务分配以及纹理存储器和共享存储器的使用对并行处理进行了优化.实验结果表明,3D pSRAD提高了运算效率,计算加速比在60以上.