最小加权范数插值与调制升频结合的地震数据重建研究

提出一种新的反假频地震数据重建的两步算法,将最小加权范数插值(MWNI)方法与调制升频方法有效地结合起来.首先利用MWNI方法构建数据谱的低频部分,为了提高计算效率,在低频重建算法中,引入了预条件共轭梯度法求解反问题方程,并使用了与频率有关的变波数带宽技术;然后,基于重建的低频数据,采用调制升频方法重构数据的高频部分.调制升频方法灵活,简便,能有效地从低频资料中恢复出高频成分,克服了以往AR模型预测高频走不远的限制,当数据存在严重的空间假频时,亦能获得较好的重建效果.该两步算法不仅可用于规则地震数据的内插重建,也可用于含空道地震数据的重建.理论模型和实际地震数据重建试验表明,该方法效率高,精度高,反假频能力强,重建剖面波形连续、自然,与正确完整的地震剖面相似程度高,具有良好的实用价值和应用前景.

基于加权范数的时空相关K分布杂波建模

提出了一种基于离散复线性空间加权范数的时空相关K分布杂波建模及仿真方法.该方法利用经典的零记忆非线性变换(ZMNL)法或球不变随机过程(SIRP)方法,生成时间相关的杂波序列,并对其进行归一化处理.通过线性变换矩阵,使一维的杂波转换成满足一定性质的二维序列,通过求解离散复线性空间加权范数最小值,对二维序列进行迭代修正并得到时空相关的杂波序列.通过理论推导证明了该二维序列满足时空二维杂波的时间相关性、空间相关性及幅度特性.仿真结果验证了该方法的正确性和可行性.

利用加权范数估计机器人抓取系统的吸引域

为了研究多指手机器人抓取系统的动态稳定性,引入了矩阵的加权范数;继而应用抓取矩阵的加权范数及其测度,得出抓取系统的渐近稳定、不稳定的条件,以及渐近稳定时系统平衡点的吸引域估计;最后得到抓取系统弹性矩阵以及减震矩阵正定时,方使抓取系统渐近稳定。

加权范数迭代修正外推算法

信号外推应用广泛，以往的讨论均对信号有所限制。本上提出一种基于使加权范数最小化的迭代算法，最大限度地降低对信号形式的要求，从而具有更加广泛的应用前景。文中针对两种常见情形讨论了算法的快速实现。最后以谱估计为例的仿真表明，该算法具有提高分辨率、降低旁瓣等优点。

一类极大算子的加权范数不等式

本文利用Fourier变换方法和变测度内插定理研究一类极大算子的加权范数不等式,解决了Watson,D,K.在[6]中提出的问题。

线性算子加权范数不等式(英文)

证明了一般线性算子的若干加权范数不等式 ,许多算子的相应结果得到改进和推广 .

基于非凸加权范数约束的SAR图像降斑

结合相似图像块具有低秩的特性提出了一种非凸加权范数约束(non-convex weighted norm constrain,NWNC)的合成孔径雷达(synthetic aperture radar,SAR)图像降斑方法。首先对每个目标块寻找相似图像块构建相似图像块集合;然后对相似图像块集合的系数矩阵进行NWNC;再利用广义阈值收缩法估计系数矩阵;最后对系数矩阵进行反变换重构出降斑图像。实验结果表明,该方法不仅有效地解决了传统低秩核范数约束不足的问题,而且通过NWNC和广义阈值收缩估计系数使得系数估计更加精确,表现在抑制斑点噪声的同时可以很好地保护图像的纹理细节。

基于加权范数的决策模型

该文以经典灰色关联决策为参照,构造加权范数计算相对贴近度,进而得到决策结果。首先根据各种实际因素的影响程度确定各指标因素的权重,从而确定加权范数。其次,利用加权范数算出理想方案序列与被选方案序列之间的距离。最后,利用被选方案的相对贴近度值,选出最优方案。该文的加权方法因主、客观因素制宜,使得决策结果更具合理性和灵活性,更利于决策者根据实际需要加以选择。

加权范数下矩阵方程组的对称解及其最佳逼近

应用复合最速下降法,给出了求解矩阵方程组(AXB=ECXD=F)加权范数下对称解及最佳逼近问题的迭代解法。对任意给定的初始矩阵,该迭代算法能够在有限步迭代计算之后得到矩阵方程组的对称解,并且在上述解集合中也可给出指定矩阵的最佳逼近矩阵。

用自助加权范数法评估三参数威布尔分布可靠性最优置信区间

提出自助加权范数法,以评估三参数威布尔分布可靠性的最优置信区间.基于可靠性经验值与理论值的差异,通过6个最小加权范数准则,构建出威布尔分布的最优参数信息向量.对最优参数信息向量进行自助再抽样,获得生成参数信息向量,用于模拟参数的概率密度函数.在给定置信水平下,求解出参数的估计真值及其置信区间,并据此建立可靠性的估计真值函数及其最优置信区间函数.滚动轴承性能寿命案例、直升机部件失效案例与某试件疲劳寿命案例的研究表明:使用自助加权范数法,估计真值函数与可靠性经验值相一致,最优置信区间函数能描述试验结果的真实状态.

全息声压场的加权范数外推方法

全息声压外推是Patch近场声全息技术的关键步骤.本文提出了全息声压的加权范数外推方法,该方法首先通过实测声压数据的功率谱信息构造频域加权范数,然后通过极小化频域加权范数实现全息声压外推.由于外推过程中同时利用了声压信号的波数域带宽和波数谱形状信息,因此其外推结果优于传统带限外推方法.数值仿真结果表明,该方法无论在外推精度还是计算效率上都明显优于经典的全息声压波数域外推方法.刚性箱体上的声激励固支板声压外推实验进一步验证了该方法的有效性和实用性.

非增函数的加权Fourier变换范数不等式

建立了非增函数的加权Ｆｏｕｒｉｅｒ变换范数不等式．还给出了一类具有单调性条件函数的Ｋ－变换加权范数不等式的相应结果．

稀疏互质阵列的迭代加权l_1范数约束来波方向估计

在阵元数确定的情况下,稀疏互质阵列能增大阵列孔径。为利用阵列的互质关系形成具有更多自由度的互质差合成阵列,采用稀疏重构方法,提出一种迭代加权l_1范数约束波达方向(DOA)估计算法。通过矢量化对稀疏互质阵列进行孔径扩展,进而在相应的过完备基下获得观测模型的l_0范数约束稀疏重构,再用加权l_1范数约束代替l_0范数约束重构方法,采用多次迭代运算求取最优解实现DOA估计。实验结果表明,该算法能够更好地利用稀疏互质阵列的阵列孔径,提高测向精度,并且通过迭代运算来弥合l_1范数约束与l_0范数约束之间的差别,克服传统l_1范数约束类算法存在估计偏差的缺点。

基于重加权l_1范数惩罚的远近场混合源定位算法

现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况.为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法.该算法利用阵列协方差矩阵反对角线元素和重加权l_1范数惩罚获得所有信源的到达角(Direction Of Arrival,DOA)估计.在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计.从理论角度分析了重加权l_1范数惩罚算法的重构性能.本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度.计算机仿真结果验证了所提算法的有效性.

基于两步加权L_1范数约束的高分辨率波达方向和功率估计

该文提出一种基于两步加权1L范数约束的波达方向(DOA)和功率联合估计新算法。该算法首先对阵列协方差矩阵元素进行求和平均运算获得统计性能更优的向量观测模型,进而在相应的过完备基下获得观测模型的稀疏表示。利用MUSIC谱函数和初始估计结果作为权值构建两步加权1L范数约束稀疏重构方法,重构获得多信源的DOA和功率估计。通过2c分布函数选择了合理的正则化参数。计算机仿真结果显示,与同类其它方法相比,该文所提算法具有更高的分辨率和估计精度。

基于加权平滑l_0范数的单快拍波达方向估计

针对现有基于压缩感知的DOA估计算法估计精度不高的问题,提出一种基于加权平滑l0范数的单快拍DOA估计算法。所提算法采用一种新的加权方式,在构造一个恰当的平滑连续函数后,根据接收数据的初始解确定一个合适的递减的{σ}序列[σ_1,σ_2,?,σ_J],并对每一个σ值,用最速下降法来求解l0范数的逼近函数H_σ(S)的最小值;然后将该σ值作为下一次迭代的初始值,并在每次迭代开始时更新权值,通过多次的迭代获得逼近函数的最小解,即逼近的最小l0范数。通过仿真实验表明所提算法可对DOA进行有效估计,且容易实现、精度较高,与未加权的改进平滑l_0范数DOA估计方法相比具有更好的估计性能。

加权范数下Bernstein－Durrmeyer多项式的一个饱和结果

研究Ｂｅｒｎｓｔｅｉｎ－Ｄｕｒｒｍｅｙｅｒ多项式的加权逼近并建立其饱和定理．

基于加权Schatten-p范数和l_(2,1)范数的鲁棒主成分分析

在核范数鲁棒主成分分析的基础上,利用加权Schatten-p范数和l2,1范数重新构造鲁棒的主成分分析问题,使得原始稀疏正则化、秩最小化问题得到了较好的非凸逼近.建立一个新的基于加权Schatten-p范数和l2,1范数的鲁棒主成分分析(WLSRPCA)模型,并使用增广拉格朗日乘子法进行求解.在图像去噪的实验中,WLSRPCA模型去噪效果比鲁棒主成分分析模型更好.

范数加权几何平均组合在外弹道处理中的应用

范数加权几何平均组合估计是一种非线性组合估计方法,可以通过不同跟踪设备测量数据的互补与冗余来提高飞行目标的定位质量。在外弹道数据处理中,根据给出的合理权值匹配准则对目标参数进行计算,其结果表明,该方法明显提高了测量信息的可信度并降低了信息的模糊度,减低了目标的不确定性,有效提高了飞行目标弹道参数的数据处理精度。