距离深度域最小二乘矩阵滤波器的设计与应用

本文通过最小二乘原理设计出针对拷贝向量进行处理的矩阵滤波器,给出了其详细的推导过程。它可用于距离深度域上的预滤波,在抑制阻带干扰的同时,保证通带信号尽可能不失真。设计过程中发现根据最小二乘原理设计矩阵滤波器比二阶锥规划等其他寻优方法更快捷。最小二乘矩阵滤波器除了能在保证通带尽量不失真的前提下达到很好的阻带抑制效果之外,还可以在任意距离深度设定通、阻带,尤其适用于阵列在探测过程中抑制强干扰对于弱目标源的影响。     

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。     

子孔径拼接干涉检测离轴非球面研究

将子孔径拼接技术与干涉技术相结合提出了一种新的检测离轴非球面的方法,该方法无需其他辅助光学元件就可以实现对大口径、离轴非球面的测量.对其基本原理进行了分析和研究;并基于齐次坐标变换、最小二乘拟合建立了综合优化和误差均化的拼接数学模型;开发了子孔径拼接检测非球面的算法软件,并设计和搭建了子孔径拼接干涉检测装置;利用综合优...     

基于无信息变量和偏最小二乘投影分析的高光谱散射图像最优波段选择

提出了一种无信息变量消除和偏最小二乘投影分析相结合的苹果高光谱散射图像最优波段选择方法.经该算法提取后的波段降为全谱的26%,将选择后的波段作为输入变量建立了苹果硬度的偏最小二乘预测模型.预测均方根误差由6.00N降为5.73N,相关系数也有所提高,并与遗传算法作了比较.结果表明,该算法能有效消除原光谱矩阵中冗余的信息...     

基于新型MRTD模型研究扫描型红外热像仪的视距

 基于人眼视觉系统可感知的阈值信噪比,提出预测红外热像仪最小可分辨温差（MRTD）方法。该方法根据频谱理论和红外热成像系统的二维调制传递函数,并结合匹配滤波器的概念,描述4条带标准靶的空间频谱函数。利用此空间频谱函数研究了4条带标准靶经过红外热成像系统的调制传递之后人眼视觉系统的感知信噪比。基于人眼视觉系统可感知的阈值信噪比,建立一个新的MRTD模型。依据此MRTD模型和视距模型,实现红外热像仪视距的预测。仿真结果表明,该方法预测的视距与实验数据有很好的一致性。     

结构光测量相位波动误差补偿方法研究

在计算机仿真分析投影仪伽马非线性特性对包裹相位波动误差影响的基础上,提出一种面向相移结构光测量的相位波动误差补偿方法.该方法采用二次多项式最小二乘拟合的方法近似输出条纹光强分布,实现包裹相位波动误差的补偿,减小投影仪非线性导致的系统测量误差.此方法简单,运算量小,不依赖环境光源及投影仪、摄像机具体参数,具有很强的通用性...     

超临界水流化床流动阻力特性的实验研究

本文在压力23～27 MPa,温度360～420℃的参数范围内,研究了固定床与流化床的流动阻力特性。实验结果表明：传统的计算固定床压降的Ergun公式在超临界水条件下仍可适用,实验值与Ergun公式计算值的平均误差为13.3%。基于固定床及流化床流动阻力特性实验结果拟合了一个适用于超临界水条件下计算流化床最小流化速度的...     

稠密气固两相QL-EMMS曳力模型及改进

通过引入颗粒加速度,改进现有EMMS曳力模型中的颗粒受力平衡关系,耦合流动的整体参数、局部参数与曳力,提出了基于流态化多尺度最小能量原理的QL-EMMS曳力模型.实验检验表明,模型精度高,普适性好.进一步采用O-S经验曳力模型的单峰函数,修正了颗粒团直径公式,改进后的QL-EMMSn模型更加合理地体现了非均匀曳力变化的...     

三维不规则区域热传导问题无网格方法的数值模拟

配点型无网格法是纯无网格法,它不需要任何背景网格,效率高。本文用加权最小二乘配点方法(Weighted Least-Squares Collocation Method-WLSCM)计算不规则区域热传导问题,形函数采用径向基函数近似。通过二维具有分析解的实例表明WLSCM方法精度高,稳定性好且具有较高的计算效率。此外,将WLSCM方法应用于工程中常见的三维不规则区域热传导问题,结果表明:WLSCM方法的计算结果与FLUENT的计算结果符合很好。     

基于集成最小二乘支持向量机方法的近红外光谱分析

针对近红外（Near Infrared,NIR）光谱测量中的小样本问题。本文提出了一种集成最小二乘支持向量机（Ensemble Least Squares Support Vector Machine,ELS-SVM）新算法。首先使用随机子空间算法（Random Subspace Method,RSM）原始高维变量空间划分为若干个低维度的子空间,然后分别在各个子空间建立最小二乘支持向量机（LS-SVM）模型,最后构造一个集成结果来进行预测。针对一批柴油样本的实验结果表明,本法对柴油十六烷值的预测精度优于传统的LS-SVM方法。