线性插值在改善GPS共视时间比对性能中的应用

为了解决GPS共视(CV)时间比对精密度随着基线增长而降低以及在超长基线情况下无法进行共视时间比对计算的问题,利用国际标准GNSS共视归算后星地钟差线性化特性对其进行插值,从而增加可用卫星数量,最后对不同卫星的共视结果进行加权计算,以提高长基线情况下GPS共视时间比对的性能,减少基线长度对共视时间比对的限制。选取中国科学院国家授时中心(NTSC)、韩国计量科学研究院(KRISS)、德国技术物理研究院(PTB)三个守时实验室一个月的星地钟差为数据样本,以300 s为时间间隔对单个卫星的星地钟差数据进行线性插值,随后将所有卫星相同时间的时间比对结果进行等权加权平均,从而获得最终共视时间比对结果。结果表明:NTSC-PTB、KRISS-PTB两条时间比对链路线性插值共视时间比对与GPS精密单点定位时间比对(PPP)结果互差后结果的均方根误差(RMS)分别为0.53 ns、0.8 ns,相比于传统共视,分别提升了48%、54%。

基于多项式回归与线性插值的全场纳米谱学成像背景序列预测

全场纳米谱学成像(TXM-XANES)是将透射X射线显微镜(Transmission X-ray Microscope,TXM)与X射线近边吸收结构(X-ray Absorption Near Edge Structural,XANES)有机结合的成像方法,通过测量感兴趣元素K边前后多个能量点的TXM图像,无损获得样品内部纳米尺度化学元素价态分布,已应用于能源材料、生物医学和地球科学等多个学科领域。常规TXM-XANES数据需要采集每个能量点下的图像和背景图像,数据量大,采集时间长,由于纳米尺度下机械结构的不稳定和样品的移动都会对TXM-XANES数据分析产生一定的影响。基于已知数据,利用机器学习的算法建立了多项式回归与线性插值运算模型,实现了仅通过两张谱学背景图像完成背景图像序列预测建模。利用该方法对标准样品及锂电池正极材料进行谱学成像分析,结果表明:相对于常规TXM-XANES方法,该方法具有数据量少、采集时间短等优势,可显著提升TXM-XANES的实验效率。

ANN模型与分段线性插值及回归模型的比较及应用

对ANN模型、分段线性插值模型和非线性回归模型从原理上进行了比较,ANN模型易于构建各影响因素与因变量间复杂关系,非线性回归模型和分段线性插值模型可以将自变量与因变量间的关系通过表达式直观表达。以荆江三口分流量与枝城流量的关系为应用算例,采用相关系数、纳什效率系数、均方根误差和平均绝对误差等4个评价指标对3个模型的拟合精度和误差大小进行了比较。结果表明:3个模型均可应用于模拟枝城流量与荆江三口分流量的关系,但3个模型的计算值与实际值间的误差大小存在差异,从4个评价指标综合来看,ANN模型计算值与实测值的误差最小,分段线性插值模型次之,回归模型计算精度相对较低。

融合线性插值和对抗性学习的深度子空间聚类

聚类算法的研究受到广泛关注,但现有聚类算法通常无法对样本进行精准的聚类且不能有效分离个体聚簇,从而导致聚类模型泛化性能弱等问题。针对于此,提出了一种融合线性插值和对抗性学习的深度子空间聚类模型。该模型在编码器部分使用混合函数和来自均匀分布的α系数对两个样本的隐表示进行线性插值,得到新的混合输出;进而利用子空间聚类模型对混合输出和原样本隐变量进行聚类,有效提升模型对难分类样本的聚类精度。同时,将对抗性学习引入自编码器并在重构数据集上训练一个鉴别器,用于预测α系数,从而提升混合输出的数据质量。在3个公开数据集上进行实验,采用准确率(ACC)和归一化互信息(NMI)对所提算法进行评估。在Extended Yale B、ORL、COIL20数据集上准确率分别达到了0.9761、0.8743、0.9423,与现有的一些算法相比,所提算法的ACC和NMI均有较大的提升,验证了模型在处理难分类样本时,性能具有明显优于现有模型。

基于广义线性插值奇异值的低秩近似

传统算法奇异值分解(singular value decomposition,SVD)低秩近似在图像处理等领域有巨大的潜力,但其并没有有效的利用图像本身的自然结构信息。针对上述问题,提出有限维交换半单代数,在此基础上提出广义奇异值分解(tensorial singular value decomposition, TSVD),并对二阶图像进行邻域拓展策略,将原图像的每个像素替换为广义标量。广义线性插值奇异值分解(tensorial linear interpolation singular value decomposition, TSVD-L)对广义标量进行线性插值处理,拓展阶数后的广义标量构成广义矩阵。以此为基础,通过不同阶数和尺寸的策略,将TSVD-L与传统算法SVD进行低秩近似重建,比较峰值信噪比结果,实验数据表明,在有限维交换半单代数之上的广义线性插值奇异值分解算法性能明显优于经典奇异值分解算法,且随着阶数的提升,TSVD-L的峰值信噪比完全优于SVD的峰值信噪比。同时TSVD-L比TSVD有一定的优越性。

基于球面线性插值的机器人磨削工具姿态规划

在机器人磨削去除汽车轮毂翻边及毛刺中,为解决传统方法所规划的工具姿态灵活度不够、平稳性差等问题,提出一种基于球面线性插值的机器人磨削工具姿态规划方法。将离散磨削路径拟合为B样条曲线,通过对样条路径曲率信息的提取,实现轮毂磨削关键区域的识别;在关键区域的关键点处设定磨削工具姿态,并利用关键工具姿态间的球面线性插值,生成沿路径光顺变化的工具姿态;通过Z向浮动对磨削中的工具位置进行微调,以提高磨削的均匀性、减少工具的磨损。结果表明:所提方法可使机器人磨削工具姿态角度波动比优化前降低22.28%,角速度波动降低40.43%,从而能够有效提升磨削的平稳性。

基于优劣解距离法、秩和比法和线性插值法的我国儿童保健工作质量综合评价

目的:运用优劣解距离法(TOPSIS法)、秩和比法及线性插值法对2020年全国31个省(区、市)儿童保健工作质量进行综合评价,对比分析3种方法对儿童保健工作质量评价的应用价值,为制定儿童健康发展规划提供参考依据。方法:收集2021年《中国卫生健康统计年鉴》中,全国31个省(区、市)的低出生体重率(%)、围产儿死亡率(‰)、5岁以下儿童低体重患病率(%)等6项反映儿童保健工作质量的常见指标,运用TOPSIS法、秩和比法和线性插值法分别对全国31个省(区、市)的儿童保健工作质量进行评价,采用Spearman相对系数法对3种评价方法的排序结果进行相关性分析。结果:相关性分析结果表明,3种方法的评价结果具有高度的正相关关系,其中,秩和比法和线性插值法排序结果的一致性最好(R=0.968,P<0.01),其次是TOPSIS法和秩和比法(R=0.845,P<0.01),第三是TOPSIS法和线性插值法(R=0.832,P<0.01)。虽然3种方法的评价结果具有高度的正相关关系,但是其评价结果仍有一定的差别。对3种方法评价结果进行综合排序,2020年儿童保健工作质量排名居前3位的省(区、市)是浙江省、上海市和江苏省,排名居后3位的省(区、市)是海南、河南和西藏。结论:3种评价方法的排序结果具有较强的相关性,运用3种方法对2020年全国31个省(区、市)儿童保健工作质量进行综合评价,能使评价结果更为客观、准确、全面。

复合线性插值法在三维电阻率测量中的应用

在实际问题中,由于技术与测量成本等原因,我们不能对一个物体的电阻率进行密集测量,而只能等间隔的选取部分点进行测量,但我们需要更多位置的电阻率数据。针对三维插值问题,结合线性插值,双线性插值,三线性插值建立一种复合线性插值模型,通过已知位置的数据去计算更多位置的数据。

基于非线性插值的地震波旅行时计算

地震波旅行时计算是射线追踪方法的核心问题,其精度直接影响着路径的精度和正演模拟的准确程度。在简要分析目前最典型的几种地震波旅行时计算方法(如有限差分法、线性插值法等)局限性的基础上,提出了一种基于非线性插值的地震波旅行时计算方法,并推导了其计算公式。通过模型的对比试算,不仅验证了所提出的旅行时非线性插值算法的正确性,而且还表明本算法计算旅行时的精度,比Asakawa[5]提出的线性插值算法的精度更高。

3D图形大揭秘:线性组合与线性插值

首先公布上期最后留下的问题的答案:(0 3^(2 0))所代表的变换,是在横向上放大2倍,在纵向上放大3倍,所以这个变换的逆变换是在横向上缩小为原来的1/2,在纵向上缩小为原来的1/3,因此,(0 3^(2 0))^(-1)=(0 3/1 ^2/1 0)。

基于Kinovea线性插值假人头部位移的计算

目前儿童安全座椅碰撞试验中的假人头部位移计算大多采用2D分析软件,主流的分析软件有Fal Con、Tema等,但是大多数高速摄像机的镜头均有不同程度的畸变,尤其是短焦距的车载相机尤为明显。针对畸变引起的假人位移计算误差问题,本文提出了使用Kinovea软件线性插值的方法来解决畸变问题,该方法通过多个目标点进行网格划分,在小范围内进行线性插值,再将数据结果进行累加得到假人位移量。试验结果证明,与软件计算结果相比,该方法可以大大提高假人位移的测试精度。

复杂地表条件下基于线性插值和窄带技术的地震波走时计算

为了在复杂地表条件下实现地震波走时计算,提出了一种基于线性插值和窄带技术的走时计算新方法.其中,线性插值用于局部走时计算,窄带技术用于局部波前捕获和追踪.为了逼近起伏地表,采用三角网和矩形网相结合的方法对速度模型进行剖分.为了得到局部走时计算公式,利用费马(Fermat)原理和关于入射点位置的限定条件.有关编程实践和数值试验表明:新方法不仅可以有效、灵活地处理地表高程的剧烈变化,而且还具有很好的适应性和稳定性,得到的计算结果满足波前传播规律.

一种基于卡尔曼和线性插值滤波的改进三角质心定位算法

基于RSSI的目标定位技术,由于复杂度低、定位精度较高,被广泛用于无线传感网络节点定位中。为进一步提高无线移动定位精度,首先利用CC2530构成的参考节点的RSSI实测数值得到无线信道模型中优化射频参数A和传播因子n,通过卡尔曼滤波和线性插值法对随机误差进行补偿以获得较精确的定位节点与参考节点间的估计距离;然后采用一种改进的三角质心定位算法进行测试与仿真。通过仿真证明,采用的改进算法较传统的加权质心算法在定位精度上有较明显的提高,在所测试环境下平均定位精度为0.7米左右,获得了较好的效果。

Bayer图像色彩还原线性插值方法

基于Bayer模板的单CCD相机通过彩色滤波阵列采集图像数据,图像中的每个像素只有红、绿、蓝3种颜色分量中的一种,为提高图像分辨率,获取高质量的彩色图像,需要通过色彩还原方法恢复另外两种颜色分量。线性插值方法算法简单、运算速度快,在数字图像色彩还原中经常采用。文章结合Bayer模板结构特点,介绍目前常用的3种色彩还原插值算法,包括基于像素复制法、双线性插值法和高质量插值法,分析和讨论了这些算法的思路和性能特点。通过样本图像色彩还原对比实验,对各种算法进行了图像质量和处理速度性能比较,结果表明,高质量插值法还原图像细节丰富,具有最佳的色彩还原性能。文中最后对色彩还原技术的未来发展趋势进行了展望。

五孔探针实验数据处理的线性插值法

在使用五孔探针校准数据时通常采用样条插值或最小二乘法拟合,相同的探针校准曲线用这两种方法分别插值得到的结果有较大的差异。本文通过对两种方法理论上分析,提出了一种实用性更强的线性插值法。对于特性良好的探针,该方法的精度接近样条插值;对于特性较差的探针,能够在不改变探针特性曲线的基础上保证插值精度。相对于样条插值和最小二乘法拟合,该方法有着更为广泛的适应性。

基于线性插值的张量步态识别算法

提出一种新的基于线性插值的张量步态识别算法。为了能将测试步态序列与注册的相匹配,必须使测试序列的维数与注册的一致,首先将一个周期内的步态帧经相邻帧线性插值归一到一定数目,那么单个的步态样本表现成张量的形式。张量分析采用多重线性主成分分析算法,在CASIA(B)步态数据库上实验,确定单个步态张量选择一个周期比半个周期更有效。该方法得到了令人鼓舞的识别效果。

线性插值的误差计算方法研究

文中提出了对某些函数可以准确地计算出线性插值误差的方法。在一定精度要求下,以两种常用函数(飞机磁航向和气压高度)为例算出插值区间。

智能变电站重采样应用研究及其线性插值法误差分析

针对重采样环节在智能变电站应用过程中所引入的误差,分析了其在智能变电站中的具体应用场景,得到采样同步和采样频率转换两种典型方法。以线性插值算法为研究对象,通过建立矢量模型分析并结合实验验证的方法,得到线性插值幅频特性。结果表明,信号频率与插值位置是直接影响重采样精度的两个主要原因,线性插值误差对保护专业的影响可以忽略,但是对测量与计量专业的影响较大。通过提高采样率,改进同步或插值算法等办法,重采样误差可以减少甚至消除。

起伏地表地震波旅行时混合网格线性插值射线追踪计算方法

为了提高在起伏地表和复杂构造条件下地震波旅行时的计算精度和效率,对完全矩形网格剖分的旅行时线性插值(LTI)方法进行了改进,提出用矩形网和不规则四边形网相结合的方法离散速度模型,对适用于矩形网格的局部旅行时计算公式进一步推导,得到适用于混合网格的局部旅行时计算公式,并证明了该公式可稳定求解。结合分区多步计算技术将该方法扩展为基于混合网格的分区多步LTI方法。数值计算结果表明,该方法不但可以灵活地处理剧烈起伏的地表和构造复杂的速度界面,而且旅行时和射线路径的计算结果能保持较高的精度。

基于断层图像的RP三维重构中层间轮廓线性插值算法

断层轮廓的层间插值可以减小相邻层间距,一方面使断层轮廓数据能直接用于快速成形,实现RE／RP的直接集成;另一方面可以增大相邻层轮廓间的相似性和重叠度,保证重构结果的正确性。层间轮廓插值主要采用线性插值法。在研究层间轮廓线性插值各种插值点对建立方法的基础上,提出了一种改进的线性插值算法,并以此为基础研究了轮廓分裂分支处理后的独立分支和连通分支的层间轮廓线性插值方法,能有效地在分支轮廓处进行层间线性插值。该算法经应用后表明是可行的,且可靠性较高。