简单随机抽样中的“虚拟普查”技术

简单随机抽样,包括有无放回两种形式,是最基础的抽样设计.本文基于“虚拟普查”想法,对简单估计量的抽样方差给出了新的计算思路,并揭示了有无放回简单随机抽样之间的内在联系.“虚拟普查”想法的核心在于虚拟普查矩阵.该矩阵记录了逐一抽取的无放回简单随机抽样,假设拓展为普查时—–“虚拟普查”名称的由来,所有总体单元的入样轨迹.论文构建的“虚拟普查”技术框架,可以看作已有对称化论证方法和以入样指示变量为工具的论证方法的融合,对增进理解传统抽样策略,看起来具有潜在价值.作为示例,论文针对实践中常用的两个抽样策略,有放回不等概抽样和自适应整群抽样,给出了基于简单随机抽样的解读视角.     

关于分区模拟无粘流内边界守恒算法的相容性

本文讨论用分区方法计算可压缩无粘流动的内边界通量守恒算法。分析指出插值型通量守恒算法不保证相容性条件,计算表明这种不相容性能引起数值解出现明显误差,或破坏其稳定性、收敛性。为此,文中提出内边界采用自适应算法并给出了算例。     

应用自适应网格方法研究着火和燃烧反应流动

介绍了一种对计算着火和燃烧反应流动问题较为有效的自适应网格方法。将该方法与任意拉格朗日-欧拉数值方法相结合,研究了燃料液滴的着火和燃烧问题。给出了液滴着火和燃烧过程中主要物理参数的时空分布,揭示了过程的基本特征。     

基于生成神经网络的自适应热控薄膜设计

自适应温度调控器件以其智能开关特性而逐渐成为研究焦点,但是一方面其特殊的光谱要求使得器件设计过程复杂且周期冗长,另一方面器件热控性能亟待提高以满足更加严苛的应用场景。针对以上问题,提出一种深度生成神经网络模型来执行上述复杂的优化任务,该网络模型的更新不依赖于数据集,而是将生成神经网络与传输矩阵方法（TMM）相结合,通过TMM返回的梯度信息指导产生符合预期的多层膜结构,并自动优化膜层厚度和材料种类。作为网络优化能力的验证和演示,本课题组使用该方法设计了一种基于二氧化钒的自适应热控器件,实现了高温太阳吸收比低于0.2、高温发射率高于0.9、发射率差值大于0.8的优异性能。与传统的优化算法相比,生成神经网络以高自由度和更快的速度寻找最优解,与普通神经网络相比,全局优化网络考虑整体的优化目标,通过全局搜索寻找全局最优解,设计结果也证明了该方法在复杂设计任务中的实用性。     

高动态范围表面自适应条纹投影测量方法

相位测量轮廓术是获取物体表面三维形貌信息的最有效方法之一,但是对于表面反射率变化较大的物体,传统的条纹投影技术难以使高反射率和低反射率的区域都能实现高精度的形貌测量.针对这一问题,提出一种基于递归的自适应条纹投影方法.该算法能够分析采集图像中亮度饱和及亮度不足的像素点,并根据坐标映射关系自适应地调整投影图案的亮度,使各像素投影亮度经二分递归后趋近于最佳投影亮度,达到避免饱和及提高信噪比的目的 .实验结果表明,所提方法能够准确实现投影亮度的调整,仅需少量的递归过程,就能纠正99.3％投影亮度不合理的像素点,在改善高动态范围表面的三维显示效果的同时提高了其三维形貌的测量精度.     

基于LDPC/Turbo双模译码器的自适应迭代译码算法研究

针对现有WIMAX标准中LDPC/Turbo双模译码器设计在精确计算时未充分考虑迭代次数的问题,提出了一种适用于LDPC和Turbo码的自适应迭代译码算法,可灵活应用于由FPGA技术实现的双模译码器.该算法通过跟踪中间消息计算错误概率,根据多条件判定精确计算迭代次数,从而实现译码算法与错误概率变化特征的自适应性;通过改进的预判决机制减少平均迭代次数.利用Matlab搭建WIMAX系统测试链路,对TDMP多种算法的误码性能与迭代次数的关系进行测试,实现了12个SISO处理单元并行的LDPC/Turbo双模译码器.结果表明,所设计的译码器减少了算法中冗余的迭代过程,并且完全满足该标准下最大码长的要求.     

一种自适应的三维荧光光谱去散射方法

三维荧光光谱因其数据量大、灵敏度高等优点,在食品科学、分析化学、生物化学和环境科学等领域应用广泛。然而,因为同时存在瑞利散射和拉曼散射,给三维荧光光谱的定量分析和数据显示带来了困难。因此,在数据处理前期,消除散射干扰对其具有重要意义。在已有方法中,对较低浓度溶液和散射峰与物质荧光信号重叠严重光谱的去散射算法的研究相对空白。针对现有问题,提出了一种自适应的三维荧光光谱去散射方法。首先,该方法通过减去每次实验获取的溶剂的光谱基线来校正拉曼散射和背景干扰。然后综合考虑散射峰与物质峰的荧光强度和重叠程度将光谱分为五类情况对应三个重叠等级：无重叠、微弱重叠和严重重叠,分别采用置零法、分段三次Hermite插值多项式算法和高斯拟合-分段三次Hermite插值多项式耦合算法对瑞利散射进行校正处理。此方法基于一维插值,仅对单个发射光谱进行研究,降低了算法复杂度,计算时间较短。通过对酪氨酸、黄腐酸、萘乙酸和罗丹明B四种典型有机化合物进行实验,评估了该方法扣除散射干扰的有效性。并且与现阶段研究中使用最多的Delaunay三角形内插值法进行比较,以重叠区域散射校正后的数据对四种有机化合物分别进行浓度回归,此...     

强爆炸火球辐射流体自适应网格高精度数值模拟

提出一种自适应网格方法,应用于基于Euler方法的强爆炸辐射流体高精度数值求解。通过与Zinn数值结果对比,验证该方法的正确性。研究自适应网格对冲击波和光辐射输出模拟精度的影响,对比不同网格尺度下的计算耗时。在相同的条件下,使用自适应网格与均匀网格加密3倍得到的冲击波超压分布、光辐射输出演化接近,计算效率提升约8.5倍。由此可知,提出的自适应网格方法可用于强爆炸问题的高精度数值模拟,显著地提升模拟精度和模拟效率。     

基于双混沌优化搜索的改进粒子群算法及应用

针对现有算法在智能电阻箱动态误差校正方面存在的收敛速度慢、计算精度低,且易进入“局部最优”的陷阱等缺点,展开对智能电阻箱动态示数校正过程的重构及设计,并对动态误差校正优化算法进行研究.在双混沌优化系统中添加扰动因子与指数自适应学习方式改进搜索策略;在粒子群算法中将惯性权重因子修正为自适应权重因子,将学习因子修正为异步线性学习因子以优化算法,进而提出一种改进的粒子群优化算法(AL-DCPSO).利用8个经典函数对算法性能进行测试后,将这种算法应用在某型号智能电阻箱动态误差校正的过程中,研究结果表明:改进后的算法具有更高的计算精度(达到0.001)与更强的寻优能力,且在优化过程中呈现出较强的自适应学习能力,计算过程较为稳定,鲁棒性有效提升,耗时在阈值范围内有所增加.其创新性在于将双混沌优化机制的优点与粒子群算法相结合,应用到智能电阻箱动态误差校正的过程中,对动态误差校正方法进行了一定拓展,为粒子群优化算法在具体实际优化过程中的关键参数选取与策略设计,有效提升算法优化性能提供了一些借鉴.     

一种自适应的自动聚焦算法

自动聚焦是图像测量和计算机视觉中的重要技术。研究发现,以前的一些自动聚焦算法,在没有噪声的影响下,效果较好,但一旦有噪声的影响,算法可能会失效,因此,提出了一种自适应的自动聚焦方法。首先通过一个基于局部小窗口的自适应门限将边缘像素和非边缘像素区别开来,然后再加上一个全局门限来进一步滤除噪声的影响,最后用一些自动聚焦算法来计算经过自适应处理后的图像,画出它们的聚焦曲线。经过大量的实验,结果表明,该算法不仅具有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能。