超声回波参数估计的初值选取方法

针对超声回波参数估计中,初值随机选取带来的收敛速度慢,搜索效率低,易受噪声影响等问题,对回波参数估计的初值选取进行了探讨。理论上研究了超声回波信号的包络和能量与信号参数的关系,阐明了从信号自身选取参数初值的可行性。在此基础上,利用希尔伯特变换和傅里叶变换提取有效信息,为回波参数估计提供合适的初值,从而减少估计过程的迭代次数、提高参数估计速度。实验结果表明,与传统参数估计方法相比,该方法在不同信噪比情况下都可获得较高的估计精度,而且参数估计的收敛速度较快。     

布里渊散射谱参数提取问题的混合优化算法研究与应用

提出了一种将Particle Swarm Optimization(PSO)算法和Levenberg-Marquardt(LM)算法按概率混合优化的新算法,将其用于Pseudo-Voigt型布里渊散射谱以提高其拟合度和频移提取精度。新算法以PSO算法为主框架,首先用PSO算法进行全局搜索,在优化一定次数后每次优化随机产生一个概率rand(0,1),若rand(0,1)小于或等于事先设定的概率P,则把PSO算法得到的最优解作为LM算法的初值进行局部深度搜索,将LM算法得到的最优解替换先前PSO算法的最优解,继续使用PSO算法进行全局搜索;若rand(0,1)大于P则仍然用PSO算法搜索,等待下一次优化产生随机概率rand(0,1)进行判断,交替使用两种算法直至获得理想的全局最优解。仿真分析和实验表明,新算法克服了单一算法的缺点,提高了布里渊散射谱的拟合度和频移提取的精度,充分证明了新算法的实用性和可行性。     

高斯回波模型在超声回波模拟中的应用及其迭代算法的讨论

本文将超声回波模拟成被高斯白噪声污染的高斯回波，并建立关于一系列估计参数的非线性模型，如回波的频带宽度，到达时间，中心频率，相位及回波幅度。这些参数对于超声无损检测中材料检测、目标探测、目标分类、及速率测量等密切相关。运用高斯-牛顿算法进行迭代计算，该算法能以较少的迭代次数计算出较为精确的参数向量，但该算法对到达时间T的初值设置较为敏感。     

基于模拟退火算法的超声回波参数估计

本文应用模拟退火算法来改进超声回波模拟问题。仿真结果表明，该算法不需计算梯度，与初始选择值无关，并可在较大范围内搜索。从而避免了应用高斯-牛顿迭代法模拟超声回波的缺陷，即解决了选择的初始值只有在真实值附近才能迭代出最优解的问题。     

大尺度分层介质电特性参数的反演方法研究

针对大尺度分层介质电磁场散射回波数据, 提出了一种用于分层介质特性参数反演的新方法, 实现了分层介质的介电常数、电导率和介质厚度的同时反演. 方法首先将这些参数的反演转化为最优化问题进行求解, 然后应用模拟退火算法搜索最优解, 充分利用算法的全局寻优能力, 同时改善了算法的搜索控制策略, 使算法在最优解的搜索过程中可以自适应地调整搜索步长, 提高了算法的搜索效率. 结果表明, 本文方法可以实现大尺度分层介质特性参数的准确反演, 且具有较强的抗噪声能力. 该方法可以应用于火星/月球 雷达探测回波数据的反演以及地下分层结构特性的分析. 关键词： 电磁散射 分层介质 模拟退火算法 最优化     

缺陷关联参数红外检测Levenberg-Marquardt改进识别算法研究

对Levenberg-Marquardt(LM)算法在缺陷参数估计修正过程中无法确保参数几何关联性的局限性进行改进,并保留原算法快速收敛的特性.以二维试件内部矩形缺陷红外检测为例,采用数值实验方法比较改进前后的LM算法,分析初始假设、红外测温误差对缺陷定量识别结果的影响.数值实验表明:改进后的LM算法参数修正过程中确保了关联性的一致性;不同初始假设对缺陷识别结果的影响不大;受红外测温误差的影响,各缺陷参数之间表现出不同的识别精度.     

基于双高斯衰减模型的超声回波处理方法

信号降噪与特征提取是超声检测数据处理的关键技术.基于超声信号有特定结构而噪声和超声信号的结构无关,本文提出一种旨在解决强噪声背景下超声回波的参数估计和降噪问题的方法.该方法将超声回波的参数估计和降噪问题转换为函数优化问题,首先根据工程经验建立超声信号的双高斯衰减数学模型,然后根据观测回波和建立的超声信号模型确定目标函数,接着选择人工蜂群算法对目标函数进行优化从而得到参数的最优估计值,最后由估计出的参数根据建立的超声信号数学模型重构出无噪的超声估计信号.通过仿真和实验表明本文方法可以准确估计出信噪比大于-10 dB的含噪超声回波中的无噪信号,且效果优于基于自适应阈值的小波降噪方法和经验模态分解方法;此外相比常用的指数模型和高斯模型,本文提出的双高斯衰减超声信号模型与实测超声信号更接近,其均方误差为9.4×10~(-5),波形相似系数为0.98.     

智能算法在晶体色散方程参量反演中的比较研究

为了研究智能优化算法在不同晶体材料色散方程参数反演中的迭代搜索性能问题,根据已测石英和方解石晶体的实验数据,分别采用遗传算法、模拟退火算法和遗传模拟退火算法应用于晶体色散方程的参数反演中,获得了晶体修正的塞耳迈耶尔方程的参量,同时比较了三种算法在迭代搜索性能、算法稳定性、计算时间和差方和等之间的差异,结果表明,三种算法在晶体色散方程参数反演时都可以得到满意的结果,但是,由于遗传模拟退火算法同时具备遗传算法的快速全局搜索性能和模拟退火算法的极强局部搜索性能,使得在晶体色散方程参数反演中的优化效果更优.因此在建立其它材料色散方程时建议采用遗传模拟退火算法,而且这一结果对研究混合智能算法的迭代搜索性能也是有帮助的.     

基于Memetic算法的编码曝光最优码字序列搜索方法

提出了一种基于Memetic算法的编码曝光最优码字序列搜索方法。分析了编码曝光成像理论模型,建立了最优码字选取的适应度函数准则。引入Memetic算法框架并开展了最优编码序列搜索,利用遗传搜索算法进行了全局最优解搜索,并在此基础上利用模拟退火算法进行了局部最优解求解,通过适应度函数的阈值约束及种群和最优解的更新迭代,得到了最优码字搜索结果。研究结果表明,相比其他方法,所提算法兼顾了全局最优与局部最优的求解,得到的最优码字序列具有更优性能指标,算法执行效率高,复原图像的主客观评价质量更好。     

逆合成孔径激光雷达机动目标运动补偿成像算法

逆合成孔径激光雷达(ISAL)成像运动补偿中,包络对齐的精度直接影响了相位误差估计精度.当目标速度和加速度较大时,距离包络严重倾斜且相位误差较大,图像无法进行良好聚焦.针对上述问题,在高精度成像模型的基础上提出了一种基于Nelder-Mead单纯形法和粒子群优化的全局联合运动误差补偿算法.首先,利用单纯形法估计目标速度,完成包络对齐.然后,将包络对齐过程获得的目标速度作为相位误差估计中参数初始化的约束条件.最后,用粒子群优化算法对各运动参数进行全局搜索并得到最优解,实现高精度运动参数估计及高阶相位误差补偿,得到聚焦良好的二维图像.实验结果表明,本算法的参数估计误差主要分布在±0.2％以内,参数估计精度和抗噪声性能均优于传统ISAL成像算法.     

The Use of the Levenberg–Marquardt and Variable Projection Curve-Fitting Algorithm in Intravoxel Incoherent Motion Method for DW-MRI Data Analysis

The objective of this study was to evaluate the performances of different algorithms for diffusion parameters estimation in intravoxel incoherent motion method for diffusion-weighted magnetic resonance imaging (DW-MRI) data analysis. Traditionally, the method of non-linear least squares analysis by means of Levenberg–Marquardt algorithms has been used to estimate the parameters obtained from exponential decay data. In this study, we evaluated the Variable Projection curve-fitting algorithm and the performance of two non-linear regression methods when single and multiple starting points were used. Analysis was done on simulation data to which different amounts of Gaussian noise had been added. The performance of two non-linear regression methods was compared using the residual sum of squares and the number of failures in data fitting. We conclude that the VarPro algorithm is superior to the LM algorithm for curve fitting in intravoxel incoherent motion method for DW-MRI data analysis.     

Control and diagnostic of the complex impedance of selected perovskite compounds

In this work the diagnosis control of the complex impedance of selected perovskite compounds versus artificial neural network model optimized with the Levenberg–Marquardt algorithm is performed as detection of aging and degradation of materials usually requires destructive testing. The artificial neural network optimized by the Levenberg–Marquardt algorithm used in this work allows us to monitor the materials (LaNd) SrMnCrO₃ in a non-destructive manner. This intelligent control is done by calculating the complex impedance which reveals reliable information on the phenomenon of transport in materials. The method overcomes the problem of the lack of a mathematical expression between the input parameters (temperature, doping, and frequency) and the necessary parameters for computing the impedance (bulk resistance, grain boundary resistance, and the two parameters of the constant phase element impedance A₀ and P). The robustness and performance of the artificial neural network model was verified by introducing additional noise and by using the root mean square error and the R-square.     

基于Levenberg-Marquardt算法的大型非球面镜轮廓数据处理方法

大型非球面镜通过加工 检测 再加工 再检测的制造工艺以满足面形精度要求,根据检测后的轮廓数据准确评定面形是提高再加工精度的关键。为解决抛光前镜面的面形评定问题,采用基于信赖域法则的Levenberg Marquardt算法对参数进行拟合、误差补偿以及面形评定。利用Code V仿真分析算法性能,构建大型非球面轮廓仪测试抛物面加工件,对实测数据经过32次迭代得到元件参数及轮廓残差曲线,收敛精度为1.1610-21。实验表明:该算法可对大型非球面镜轮廓数据进行高效准确的拟合、评定,为进一步提高再加工精度提供可靠依据。     

Determination of some rare earth elements by EDXRF and artificial neural networks

This paper describes the simultaneous determination of Pr, Nd and Sm by EDXRF spectrometry using mixtures of oxides of these metals in a silica matrix. The data were treated by distinct neural network algorithms: back‐propagation (BP), Levenberg–Marquardt (LM) and two variations of back‐propagation (called BP‐SC, single component, and BP‐MC, multiple component), using results from the PLS model (partial least square regression) for comparison. The best applied model was the BP‐SC neural network, which produced relative standard errors of prediction of 17.5% for Pr, 12.5% for Nd and 12.6% for Sm. Copyright © 2003 John Wiley & Sons, Ltd.     

Application of an LM-neural network for establishing a prediction system of quality characteristics for the LGP manufactured by CO2 laser

The light guide plate (LGP) is a part of a backlight module, which evenly spreads light sources in a liquid crystal display (LCD) to eliminate total reflection. Light is transmitted into the LGP, where it is reflected, scattered, and refracted due to the microstructure, which allows light to uniformly enter the panel. Therefore, the design of an LGP micro-structure and processing mode is important for light transmission in an LCD. This study used a CO₂ laser to fabricate a polymethyl methacrylate (PMMA) LGP, applied a Taguchi orthogonal array to set up the experiment, and utilized the data to establish a prediction system. Backpropagation (BP) neural network and the Levenberg–Marquardt (LM) algorithm were integrated to establish a prediction system for LGP processing by CO₂ laser, with the controlling factor as the input parameter, and quality characteristics as the output parameters. After learning and training the network, the prediction error rate of the system was controlled within 5%, demonstrating good predictive validity.     

基于Gabor时频滤波的电磁超声螺栓轴力测量*

高强度螺栓轴向预紧力(轴力)的测量在工程应用中具有重要意义。使用电磁超声波对螺栓轴力检测时对超声回波声时测量精度要求较高,传统互相关估计法对超声回波声时估计易因噪声干扰发生估计错误,无法满足轴力测量精度要求。本文针对互相关法对电磁超声测量信号声时估计存在不准确的问题,提出了Gabor时频滤波法。通过螺栓轴力测量实验采集测量信号,对测量信号进行Gabor变换,在时频域中进行滤波,再对去噪后的信号进行互相关估计测得信号的声时,进而计算出螺栓轴力。实验表明：Gabor时频滤波法能有效地滤除电磁超声信号中的噪声,改善互相关估计的稳定性,提高螺栓轴力测量的准确率。     

利用先验估计自适应加窗的准静态超声弹性成像位移估计算法

准静态弹性成像技术是基于组织压缩前和压缩后超声回波射频信号进行组织运动重构的弹性成像技术。提出了一种基于先验估计的自适应窗函数算法,在位移估计过程中,使用已估计的临近窗的时延值作为先验信息,自动调整截取压缩后射频信号段的截取窗函数,提高了互相关运算所需的压缩前和压缩后信号段之间的相关性。仿真实验结果表明,该算法不仅大大提高了成像速度,而且提高了信噪比较低时的成像质量,同时该算法具有更宽的应变通带。     

Application of particle swarm+ant colony optimization to calculate the interaction parameters on phase equilibria

In this study, a hybrid particle swarm+ant colony optimization (PSO+ACO) was applied to solve the vapor–liquid phase equilibrium. The NRTL activity coefficient model was optimized with this new algorithm and the binary interaction parameters of twenty mixtures were obtained. The results were compared with the Levenberg–Marquardt algorithm, and show that the PSO+ACO algorithm is a good method to describe the vapor–liquid equilibrium of any binary system.