有限元线性方程组改进的全稀疏存贮方法

有限元线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改;但在实际求解计算时,查找元素花费的时间较多;这里给出了一种改进的方法,是在链表的基础上生成相应的线性表,能够方便快速查询元素,使存贮结构同时具有链表和线性表的优点.数值算例证明该存贮方案在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.     

大型稀疏复线性方程组双共轭梯度法

有限元复线性方程组的系数矩阵一般具有稀疏性和对称性的特点,全稀疏存贮方法就是利用这些特点,只存贮对称部分的非零元素,采用链表式管理,即节省存贮空间,又便于动态更改.在一般双共轭梯度法的基础上,本文利用广义变分原理对内积进行了重新定义,使双共轭梯度法求解复线性方程组更为有效.数值算例表明这种双共轭梯度法结合全稀疏存贮方案的求解算法在时间和存贮上都较为占优,可靠高效,能够应用于有限元线性方程组的求解.     

离散单元节点编号的优化

一、引言 用有限元素方法分析构件时,通常要产生一个高阶的总刚度矩阵[K],它是一个稀疏对称、带状分布的矩阵。在求解表示刚度矩阵[K]、节点力矢量{Q}以及节点位移矢量{U}之间的平衡关系的线性代数方程组:[K]{U}={Q}时,所需要的计算时间及计算机的存贮量,在矩阵大小一定的条件下,主要取决于总刚度矩阵[K]的带宽。计算时间和存贮量与带宽的平方成正比。     

隐格式并行直接求解方法研究

讨论了由CFD问题得到的大型稀疏线性方程组的并行直接法求解问题.介绍了三对角型方程组的SPP算法,将之推广来求解一般的带宽较窄的带状或者稀疏带状线性方程组.介绍一般稀疏的线性方程组的基于排序后再分解的并行求解方法的步骤及其中的一些关键问题.     

多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

面向问题的稀疏分布式记忆模型

在Kanerva所提出的稀疏分布式记忆(SDM)或存贮模型的基础上,为实现对特定类问题的大维数输入空间的模式识别,如汉字识别,脸谱辩认等,根据问题的具体情况,诸如汉字的频率分布等,提出了一个面向问题的稀疏分布式记忆模型。改进后的模型更符合实际应用,其中的学习规则采用了指数型记忆规则,使模型具有更高的信噪比,存贮容量亦大大提高。计算机模拟表明了这一点。     

求解循环对称结构的伪单元法

 对于循环对称结构的求解,在引入循环对称条件时,需对有限元总刚进行行变换和列变换,这将改变总刚的带宽和非零元素的位置。本文提出了求解循环对称结构的伪单元法,用三种伪单元实现上述各变换项的改变量,无需形成完整的总刚矩阵,从而大大地提高了计算机的解题能力。文中用算例进行了说明。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

基于原子加权稀疏表示的图像融合算法

图像融合一直以来都是图像处理与机器视觉领域中极其重要的研究方向,而稀疏表示(Sparse Representation,SR)是当前应用最为广泛的图像表示理论之一.针对传统的基于稀疏表示的图像融合策略对超完备字典信息利用不足的问题,提出了基于原子加权稀疏表示(Atom?weighted Sparse Representation,AWSR)的图像融合算法.首先,利用超完备字典对源图像进行稀疏域分解,得到稀疏系数向量;然后,基于超完备字典的信息表达特性构造权向量,并对稀疏系数向量进行加权;最后,基于原子加权融合系数,并结合稀疏系数向量及超完备字典完成源图像的融合.基于六种融合图像质量客观评价指标的对比实验证明了本文方法的融合质量优于传统的基于稀疏表示的图像融合算法,验证了该加权策略能够有效提升图像融合系统的抗噪性和鲁棒性.     

Structured sparsity assisted online convolution sparse coding and its application on weak signature detection

Due to the strong background noise and the acquisition system noise, the useful characteristics are often difficult to be detected. To solve this problem, sparse coding captures a concise representation of the high-level features in the signal using the underlying structure of the signal. Recently, an Online Convolutional Sparse Coding(OCSC) denoising algorithm has been proposed. However, it does not consider the structural characteristics of the signal, the sparsity of each iteration is not eno...     

综合时序信息的试验优化设计及稀疏求解

考虑不同试验点的试验成本及试验时序信息,在性能指标与影响因素间的响应模型未知情况下,利用装备系统的先验信息构造模型驱动的基函数,构造相应的回归模型来刻画系统的内在关系,分析不同试验点成本及试验时序对试验方案的影响。定义了一种考虑空间权重及批序贯时序的非均匀最优设计模型,将稀疏理论引入到回归试验设计中,把不同批次试验下的回归试验设计模型参数估计问题转换为结构化稀疏重构问题,讨论了非均匀最优设计的构造定理,提出结构化稀疏参数求解算法。算例表明:利用本方法生成的试验点考虑了试验点空间权重和试验时序信息,更符合实际试验规程;采用本方法获得的响应函数得到的期望预测误差更小。     

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

一种孔径和频率二维稀疏的步进频SAR成像方法

 步进频率信号(SFWs)在不增加雷达系统瞬时带宽的情况下能够获得高的距离向分辨率的同时,也存在着抗干扰能力较差及其等效重复频率较低的问题,并且在方位向积累时间内由于雷达载机工作状态的变化,会导致方位向的数据录取不完整。针对上述问题,提出一种孔径和频率二维稀疏的步进频合成孔径雷达(SAR)成像方法。首先,分析了稀疏步进频率信号(SSFWs)的SAR成像模型,然后基于压缩感知理论完成距离向成像处理。其次,针对稀疏孔径的回波数据,通过构造成像算子和压缩感知重建模型的方法实现其距离徙动校正和方位压缩处理,进而获得二维成像结果。相比于传统的步进频率信号SAR成像,利用所提方法能够在少量的频率资源和雷达回波数据情况下实现准确的SAR成像。最后,通过对仿真和实测的步进频率雷达数据进行成像处理,验证了所提方法的有效性和可行性。     

基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

Method for denoising and reconstructing radar HRRP using modified sparse auto-encoder

A high resolution range profile (HRRP) is a summation vector of the sub-echoes of the target scattering points acquired by a wide-band radar. Generally, HRRPs obtained in a non-cooperative complex electromagnetic environment are contaminated by strong noise. Effective pre-processing of the HRRP data can greatly improve the accuracy of target recognition. In this paper, a denoising and reconstruction method for HRRP is proposed based on a Modified Sparse Auto-Encoder, which is a representative non-linear model. To better reconstruct the HRRP, a sparse constraint is added to the proposed model and the sparse coefficient is calculated based on the intrinsic dimension of HRRP. The denoising of the HRRP is performed by adding random noise to the input HRRP data during the training process and fine-tuning the weight matrix through singular-value decomposition. The results of simulations showed that the proposed method can both reconstruct the signal with fidelity and suppress noise effectively, significantly outperforming other methods, especially in low Signal-to-Noise Ratio conditions.     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。