基于离散曲率计算的三角网格模型优化调整

采用面积夹角加权的三角网格模型顶点法矢及三角片质心权值对Taubin的三角网格模型离散曲率计算方法进行了改进,在此基础上提出了一种新的三角网格模型优化调整方法。用该方法调整三角网格模型,在模型上曲率变化较平缓的平坦区域及曲率变化较剧烈的特征区域都能取得较好的调整效果。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik-honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik-honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法（CID）算法相比,具有较快的收敛速度,初步验证了算法的有效性。     

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

Multi-input multi-output random vibration control using Tikhonov filter

Noises always disturb the control effect of an environment test especially in multi-input multi-output (MIMO) systems. If the frequency response function matrices are ill-conditioned, the noises in the driving forces will be amplified and the response spectral lines may awfully exceed their tolerances. Most of the major biases between the response spectra and the reference spectra are pro-duced by the amplified noises. However, ordinary control algorithms can hardly reduce the level of noises. The influences of the noises on both the auto-and cross-power spectra are analyzed in this paper. As a conventional frequency domain method on the inverse problem, the Tikhonov filter is adopted in the environment test to suppress the exceeding spectral lines. By altering regularization parameters gradually, the auto-power spectra can be improved in a closed control loop. Instead of using the traditional way of selecting regularization parameters, we observe the coherence change to estimate noise eliminations. Incidentally, the requirement of coherence control can be realized. The errors of the phase are then studied and a phase control algorithm is introduced at the end as a sup-plement of cross-power spectra control. The Tikhonov filter and the proposed phase control algo-rithm are tested numerically and experimentally. The results show that the noises in the vicinity of lightly damped resonant peaks are more stubborn. The response spectra are able to be greatly improved by the combination of these two methods.     

提高GPS单频相位模糊度解算成功率的新方法

相位模糊度的成功解算是应用单频接收机进行高精度快速定位的关键。为了提高整周模糊度解算成功率,本文提出了一种新的算法,包括两项措施：(1)针对仅由几个历元组成的双差法方程系数阵存在着较严重病态性的结构特性,合理设计正则化矩阵,并在此基础上运用截断奇异值法求解模糊度实数解,使模糊度实数解更稳定和可靠,接近真实值;(2)在用最小二乘降相关平差(Least—squares ambiguity decorrrelation adiustment,LAMB—DA)方法进行模糊度搜索时,在Ratio检验的基础上,应用2个分析和比较的准则,对输出的多组候选整数模糊度向量进行分析和比较,甄别出正确的整数模糊度向量。算例表明,新方法不但缩短了模糊度解算所需要的观测时间,提高了模糊度实数解的可靠性和精度,而且显著地提高了整周模糊度解算的成功率。本文为单频接收机在高精度快速动态定位甚至实时定位等方面的广泛应用,提供了新的研究思路。     

地球物理导航中位场下延的迭代正则化方法研究

地磁、重力数据下延是制备地球物理导航基准图的重要内容,而它通常是一个不适定问题,采用常规代数方法求解并不奏效;对此,结合航空地球物理测量和地球物理导航的特点,研究了迭代正则化方法(包括迭代Tikhonov法、Landweber迭代法和截断奇异值分解(TSVD)法)在位场下延中的应用.首先给出了位场下延和迭代正则化的基本理论,然后采用理论位场模型验证了迭代正则化方法在位场下延中的应用可行性,最后分析了迭代正则化方法的下延精度、计算时间和边界效应等性能.由分析结果可知,迭代Tikhonov方法具有最好的综合下延性能,应优先在实际的位场下延中使用.     

一种修正的Mann迭代算法的强收敛性

设H是一Hilbert空间,C为H的非空闭凸子集,T：C→C为一非扩张映射。在假设零元素θ∈C的情况下采用正则化思想,提出了一种不涉及投影算子的Mann迭代修正算法来逼近T的不动点,证明了算法的强收敛性。     

不完全角度CT图像重建的模型与算法

为了提升不完全角度计算机断层成像(CT)图像的重建精度和重建效率,研究了有限角度和稀疏角度下的CT图像重建问题,提出新的全变差最小化目标函数,通过将上一步迭代重建的图像作为反馈加入到新的迭代之中,不断更新目标函数的已知项。在算法求解时,采用增广Lagrangian罚函数方法,将约束问题非约束化,并将之转化为等价的3个子问题,通过在交替方向上求解子问题来获得优化问题的最优解。实验结果表明,该算法重建出的图像信息完整,细节清晰,重建精度高,与Split Bregman算法相比,本文算法结果的相对均方误差可下降42.1%~98.5%,条纹指标可下降42.8%~98.5%。