一维PSD非线性修正的共轭梯度算法

分析了一维光电位置敏感器件(positionsensitivedetector,PSD)的非线性的原因,并根据PSD的非线性特点,提出了用神经网络的共轭梯度算法对PSD的非线性进行补偿,从而使PSD的非线性区获得了与线性区近似的线性度。因此,在不增加复杂测量设备的情况下,扩大了测量范围,提高了非线性区的测量准确度和数据的置信度。     

基于粒子群算法优化BP神经网络漏钢预报的研究

针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统 BP 网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和 BP 网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景。     

基于BP算法神经网络的物理实验曲线拟合

介绍了人工神经元网络的基本原理和BP算法神经网络。将BP算法神经网络应用于物理实验中的幅频特性曲线拟合，在MATLAB下通过训练和仿真验证了应用BP算法神经网络拟合实验曲线的优越性。     

基于SFLA优化BP神经网络的语音信号分类

BP神经网络是一种多层前馈网络,数据经过网络的输入层、隐含层逐层处理后,由输出层进行输出,通过和期望输出的对比进行反向传播,调整网络参数使输出不断逼近期望输出;在使用BP神经网络对语音特征信号进行分类的过程中,会出现BP神经网络易陷入局部最优解、学习收敛速度慢的问题;针对此问题提出一种基于SFLA优化BP神经网络权值和阀值的方法,引入SFLA算法优化网络权值和阀值,利用SFLA优化后的BP网络模型进行语音特征信号分类;仿真结果表明,经SFLA优化后的BP神经网络与未优化的神经网络相比,不仅训练速度快, 而且误差小,语音特征信号分类的正确率平均提高1.31%。     

基于粒子群优化算法的测光红移回归预测

星系的红移在天文研究中极其重要,星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析,首先根据颜色特征并基于聚类的方法对星系进行分类,由分类结果可知早型星系的占比较大。对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验,并找出最优的方法。实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据,首先构建BP网络,使用BP算法对星系的测光红移进行回归预测;然后利用遗传算法（GA）优化BP网络各层参数,将优化后的GA-BP算法应用于早型星系的回归预测试验中。考虑到GA算法的复杂操作会影响预测效率,并且粒子群算法（PSO）不仅稳定性高且操作简单,因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中,进而采用粒子群算法优化BP网络（PSO-BP）。实验中将光谱红移作为期望值,采用均方差（MSE）作为误差分析指标来评判三种算法的精度,将PSO-BP回归预测结果与BP网络模型、GA-BP网络模型进行比较。由实验结果可知,BP网络的MSE值为0.001 92,GA-BP网络的MSE值0.001 728,PSO-BP网络的MSE值为0.001 708。实验结果表明,所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型,分别提高了11.1%和1.2%;在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。     

基于无约束非线性优化算法的光强自相关函数拟合

在光子相关光谱(PCS)颗粒测量技术中非线性累积反演方法是一种重要的算法。采用无约束非线性优化算法对反演过程中相关曲线的拟合问题进行了分析和研究, 实现了从任意初始值开始获取最优非线性拟合解, 并给出了算法的实现步骤。采用此方法对50 nm, 100 nm, 200 nm和500 nm的标准聚苯乙烯乳胶颗粒的实测光强自相关函数数据进行了拟合, 并反演了颗粒粒径, 与其他曲线拟合算法相比, 本算法不但对初始值的依赖性小, 而且得到的颗粒粒径更接近乳胶颗粒的标称直径, 测量误差更小。     

基于GA-WPA优化的BP神经网络目标威胁估计

在防空作战中,目标威胁估计是指挥控制过程的重要一环,是决策和指挥的重要依据。BP神经网络能够解决目标威胁估计问题,但存在收敛速度慢、易陷入局部最优等缺点。提出将遗传算法(Genetic Algorithm,GA)的选择、交叉和变异操作融入到狼群算法(Wolf Pack Algorithm,WPA)中,提出了GA-WPA算法,以提高狼群算法的收敛速度。在此基础上,利用所提出的GA-WPA算法对BP神经网络进行优化,确定最优初始权值和阈值。最后,将优化后的BP神经网络解决地面防空系统目标威胁估计问题。仿真实验表明,所提算法能够有效克服BP神经网络收敛速度慢、易陷入局部最优等缺点,能够提高目标威胁估计的准确性和适应性。     

基于BP神经网络的图像质量评价参数优化

 在基于噪声图像的无参考峰值信噪比质量评价方法中,为了得到最优的阈值参数,提出以图像块均方误差阈值threshold1、噪声检测阈值threshold2为输入因子, 以Pearson相关系数和Spearman等级相关系数为输出因子, 以实验值为样本建立［2 7 2］单隐层BP神经网络模型,应用BP神经网络的泛化能力实现对相关阈值参数的预测优化,为阈值参数的选择提供理论依据。实验结果表明,所建立的数学模型可靠,预测结果与试验值的偏差小,训练好的BP神经网络能够比较准确地预测不同阈值参数下的相关系数。优化后,选取threshold1=101,threshold2=4,Pearson相关系数达到了-0.895 0,Spearman等级相关系数达到了-0.913 6,评价效果得到提高,且节省大量时间。     

基于Lomb-Scargle算法的激光扫频干涉非线性校正方法

激光扫频干涉测量技术因其精度高、抗干扰能力强等优势成为研究热点.而激光器调频的非线性问题一直是影响测量精度的关键因素,非线性带来的直观结果就是拍信号的频谱严重展宽,造成测距精度下降.为解决该问题,本文提出了一种基于Lomb-Scargle算法的非线性校正方法,搭建了具有辅助干涉仪的激光扫频干涉测量系统,通过对辅助路拍信号进行希尔伯特变换提取相位,再基于提取到的相位信息生成一个新的时间序列,结合Lomb-Scargle算法,将非线性校正与拍信号频率计算同时进行.作为验证,对于0.5—1.3 m范围内的目标进行了测量,最大误差为14μm.区别于传统频率采样法校正原理,本文提出的校正方法并不是以辅助路的拍信号对测量路进行重采样,所以无需满足辅助干涉仪光程差大于测量路光程差两倍的条件,因而可为增大测距量程提供一种思路.     

基于共轭梯度优化算法的BP神经网络在高能粒子鉴别等领域中的应用

人工神经网络方法已被引入高能物理实验领域并被广泛地应用于夸克胶子喷注的鉴别、电子强子分辨、顶夸克和Higgs粒子的寻找等等。本文采用了一种改良的共轭梯度优化算法并应用于高能物理实验中粒子的鉴别。在该应用中,此算法既能实现每步迭代时在搜索方向上获得最优步长,又能避免目标函数陷入局部收敛点,从而使目标函数快速收敛,提高了算法的有效性。分析结果表明,我们改进后的BP算法显著地提高了粒子物理数据分析中的粒子鉴别能力。     

基于神经网络遗传算法的激光熔钎焊参数优化

针对激光钎焊熔深难以控制的问题,选取激光焊接功率、焊接速度等激光焊接过程中所涉及的控制参数建立基于BP人工神经网络的激光钎焊模型。根据激光钎焊模拟实验的历史数据对焊接熔深进行预测,采用遗传算法对控制参数进行优化,得到目标焊接熔深。运用MATLAB软件建立了针对铝合金/镀锌钢的激光熔钎焊过程的参数的BP人工神经网络模型,并利用遗传算法的并行和群体搜索策略,对其控制参数进行了优化,使得焊接熔深能通过过程参数精确控制,提高了接头性能。     

基于FPGA的图像畸变矫正算法研究

在机器视觉中需要对采集到的带有畸变的图像进行矫正。为了提高对畸变图像校正的实时性,针对使用FPGA实现图像畸变矫正算法时,存在的在线计算逆向映射坐标复杂和片上ROM容量不够问题,压缩了逆向映射表,并在FPGA上利用插值方法在线重建了逆向映射表。通过查找重建的逆向映射表来获取逆向映射坐标,从而降低了FPGA的在线计算量和片上ROM的容量需求。MATLAB仿真结果显示,当压缩参数n分别取4、8、16时都能够对畸变图像进行较好的矫正,并且图像信息不会丢失。仿真结果验证了算法的有效性,该算法可用于基于FPGA的图像畸变矫正。     

基于特征分解的红外焦平面非均匀性校正算法

针对目前红外焦平面自适应场景校正算法工程应用的局限,提出了一种基于红外焦平面非均匀性特征分解的场景校正算法。分析了红外焦平面非性匀性构成因素,把其中的高频部分分解成盲点、斑块、行列非均匀性等,把缓慢变化的低频部分分解成梯度渐变非均匀性;分别对各类非均匀性采用不同的校正算法;合并校正结果,得到校正后的图像。实验结果表明,该算法校正精度高、收敛速度快、抑止目标退化能力强,适合工程应用。     

基于特征分解的红外焦平面非均匀性校正算法

针对目前红外焦平面自适应场景校正算法工程应用的局限,提出了一种基于红外焦平面非均匀性特征分解的场景校正算法。分析了红外焦平面非性匀性构成因素,把其中的高频部分分解成盲点、斑块、行列非均匀性等,把缓慢变化的低频部分分解成梯度渐变非均匀性;分别对各类非均匀性采用不同的校正算法;合并校正结果,得到校正后的图像。实验结果表明,该算法校正精度高、收敛速度快、抑止目标退化能力强,适合工程应用。     

Adaptive phase-distortion correction based on parallel gradient-descent optimization

We describe an adaptive wave-front control technique based on a parallel stochastic perturbation method that can be applied to a general class of adaptive-optical system. The efficiency of this approach is analyzed numerically and experimentally by use of a white-light adaptive-imaging system with an extended source. To create and compensate for static phase distortions, we use 127-element liquid-crystal phase modulators. Results demonstrate that adaptive wave-front correction by a parallel-perturbation technique can significantly improve image quality.     

基于混合蛙跳优化算法的图像畸变校正研究

图像畸变校正是分布式孔径系统(DAS)需要解决的先期问题。介绍了描述图像径向与切向畸变的Brown模型及其畸变量(适应度)度量标准;讨论了智能优化算法之一的混合蛙跳算法(SFLA)及其初始种群拉丁超立方抽样(LHS)算法;分别对光线追迹畸变模型、Brown畸变模型进行了图像仿真和畸变校正处理。结果显示,原始点与校正点的最大误差距离在2个像素以内,验证了算法的有效性。最后应用该方法到实际广角CCD相机拍摄的靶纸校正中,得到了较满意的结果。该算法和仿真分析结果对DAS系统的研制具有一定理论和实验意义。     

基于线性模型的自适应优化去雾算法

针对线性传输算法中透射率和大气光估计不足问题,提出一种基于线性模型的自适应优化去雾算法。利用边缘信息模型来增强初始透射率图的细节信息,使得复原后图像边缘区域细节更丰富;根据暗通道先验,得到自适应优化透射率,更好地处理包含景深区域图像;采用局部大气光估计方法代替四叉树方法,避免大气光估计不准确问题,并结合物理模型恢复图像。仿真实验在matlab2014中进行,实验结果表明,该算法具有较好的有效性和时效性。     

基于遗传算法的不等间距阵优化方法*

阵元数一定情况下,针对不等间距拖线阵高频信号处理存在的空间增益和无栅瓣兼容问题,提出一种基于遗传算法的不等间距拖线阵阵型优化方法。该方法以频带交互下最大旁瓣级最小作为约束因子,通过模拟生物自然进化过程搜索全局最优解,得到优化后的阵元位置。优化后阵型在保证低频信号处理空间增益不变情况下,实现对高频信号高空间增益、无栅瓣处理。计算机仿真结果表明：相比未优化阵型,在高频信号处理方面,优化后阵型在无栅瓣情况下,空间增益提升值近似理论值提升值;在低频信号处理方面,优化后阵型具有相同的空间增益。为实际不等间距拖线阵阵型优化和应用提供了一种思路。