基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

基于两步迭代收缩法的多稀疏空间图像快速重构方法

由于多稀疏空间图像重构时,像素范围选取过大、峰值信噪比低以及重构时间长,导致图像重构方法存在重构效果差的问题,提出基于两步迭代收缩法的多稀疏空间图像快速重构方法。明确多稀疏空间图像重构存在的问题,在明确问题后,以迭代收缩阈值算法为基础,引入迭代加权收缩算法,结合每一轮迭代结果作为初值,完成图像重构的两步迭代收缩法设计,实现多稀疏空间图像快速重构。实验结果表明:应用该方法后的重构多稀疏空间图像峰值信噪比达到37.9 dB以上,图像重构时间仅为16.0 ms,图像结构相似性达到了0.98以上,并且重构多稀疏空间图像的效果更好,经过实验分析证实了所提方法具备可行性。

基于迭代收缩阈值算法的DOA估计方法

针对传统波达方向(Direction of Arrival, DOA)估计算法在低信噪比、小快拍的条件下估计精度不高的问题,提出了一种基于迭代收缩阈值算法的矢量水听器阵列多快拍DOA估计方法。首先,对空域进行等角度划分,构造超完备冗余字典,建立基于信号多快拍条件下的DOA估计模型,然后,采用迭代收缩阈值算法解决稀疏重构问题,求解出信号的稀疏系数矩阵,最后,将稀疏矩阵中行向量的范数映射到划分好的网格上,得到DOA估计值。仿真实验结果表明:该方法在低信噪比、小快拍条件下比OMP、 MUSIC和CBF等传统算法拥有更高的DOA估计精度和更强的鲁棒性。

快速迭代收缩阈值正则化改进算法在桥梁移动荷载识别中的应用研究

移动荷载识别是结构动力学反问题研究的重要组成部分,其关键在于精确求解车-桥系统方程离散化后得到的大型稀疏线性方程组。由于车-桥系统矩阵同时具有稀疏性、非对称性、非正定性等特点,常用的迭代算法通常难以准确高效地对该大型稀疏线性方程组进行求解。迭代收缩阈值算法源于经典梯度算法,被广泛应用于线性逆问题求解及压缩感知重构算法中。由于迭代收缩阈值算法自身的非渐进全局收敛差的缺陷,导致荷载识别结果与真实值存在一定程度的偏差,难以实现对动态荷载的完全稀疏表达。为提高迭代收缩阈值算法的收敛性与稳定性,提出一种快速迭代收缩阈值正则化改进算法,将其用于识别桥梁移动荷载。通过引入迭代正则化,改进算法可准确提取动态荷载的信号特征,进而提高移动荷载识别方法的识别精度和抗噪性能。

快速迭代收缩阈值声源识别算法及其改进

近场声全息是一种主流的声学成像技术,在技术实践中可以有效实现声源定位。等效源法可用于修正声源不同数值模型的l2范数正则化逆问题和l1范数正则化逆问题。为了提高传统等效源法的分辨力,减少旁瓣"鬼影",提出了一种高阶波束形成改良快速迭代收缩阈值声源识别算法mIFISTESM-v,该方法是在改进的快速迭代收缩/阈值等效源法与高阶波束形成方法相结合的框架下发展得来。通过单声源定位和相干声源定位的分辨力分析的数值模拟以及实验验证了该方法的实用性,结果表明,所提出的方法能较好地达到声源识别及定位的效果,该方法所得主瓣区小于0.002。

图像压缩感知的双收缩快速迭代算法

针对传统图像压缩感知重构算法重构质量差及时间复杂度大的问题,提出一种双收缩快速迭代算法。通过引入阈值和正则化参数的双收缩,逐步迭代恢复图像信号,以加快收敛速度,改善重构质量。仿真结果表明,与传统阈值迭代算法相比,该算法重构图像的峰值信噪比较高,在低采样率下运行时间较少。

改进变步长快速迭代收缩阈值算法

图像复原问题是图像处理中的一项重要研究内容,解决图像复原问题,往往涉及到大量的数据集和未知信息。为了解决此类高维数据优化问题,前向后向算法提供了简洁、实用的方法。快速迭代收缩阈值算法是在前向后向算法的基础上加入了全局加速算子,一定程度上提高了算法的收敛速率。但是,快速迭代收缩阈值算法在解决最小值优化问题时,采用的是固定步长因子,限制了算法的收敛速率。针对该问题,结合Barzilai-Borwein算子提出一种改进的变步长算法。改进算法在每次迭代中利用前两步的迭代信息更新步长因子,加快了算法的收敛。将该算法应用于压缩感知和图像去噪中,数值实验结果表明:该算法改进了原算法的收敛速率。因此,改进变步长快速迭代收缩阈值算法不仅提高了算法的效率,同时提高了信号复原的信噪比。

基于几何分析的迭代学习控制快速算法

基于几何分析,对迭代学习控制问题进行了讨论。在这种几何框架下获得了与目前算法完全不同的快速算法,为迭代学习控制的研究开辟了一条全新的途径。这种基于几何理论的新途径,能明确的指引人们应该怎样去设计更好的学习算法,而不是像目前的研究结果那样,总是囿于Arimoto(1984)所提出的最基本的算法形式之中。数值仿真结果表明新算法的有效性与优越性。

一种不完全投影图像重建的快速迭代算法

为了保证不完全投影数据的重建图像质量,同时提高重建速度,提出了一种基于共轭梯度法的快速迭代算法.通过实时获取投影矩阵分量,以固定步长替代共轭梯度法中一维搜索最优迭代步长,在确保质量的同时缩短重建时间.利用模拟投影数据和实际导弹断层扫描数据进行图像重建,结果表明,与卷积反投影和代数重建法相比,此算法特别适用于扇形扫描的不完全投影数据的图像重建,在保证重建图像拟合度的同时,大大提高了重建速度.

一种新的迭代学习控制快速算法(英文)

对一类连续系统的迭代学习控制问题进行了讨论 ,提出了一种新的迭代学习控制算法 .该算法与目前的算法具有完全不同的形式 ,数值仿真结果表明了新算法的有效性与优越性 .

改进的二维最小交叉熵阈值分割快速迭代算法

基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高.针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式.对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.

基于二维Arimoto灰度熵的图像阈值分割快速迭代算法

现有的Arimoto熵阈值法仅依赖于灰度直方图分布,且计算最佳阈值时需搜索整个解空间,效率不高.为此,文中提出了一种二维Arimoto灰度熵阈值分割的快速迭代算法.首先,提出了一维Arimoto灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,导出了基于灰度-平均灰度级直方图的Arimoto灰度熵阈值法,并给出了中间变量的快速递推公式;最后,提出了二维Arimoto灰度熵阈值选取的快速迭代算法,推导了相应的公式,大大减少了运算量.实验结果表明,文中所提算法运行速度快,分割性能优于现有的5种同类阈值分割算法,分割后图像中的目标完整,边缘纹理清晰,细节更为丰富.

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的Otsu法的快速迭代算法。在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较。结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少。

一种边界元分析接触问题的快速迭代算法

弹性摩擦接触问题的接触状态和接触应力的分析需要进行迭代，迭代过程是很费机时的．采用一种快速迭代算法进行迭代计算，其迭代的计算机CPU时间约为常用迭代方法时间的1／10左右．

快速选择的循环迭代实现算法

在分析快速选择算法基本思想的基础上,给出了用于快速选择的非递归实现算法——循环迭代算法,并通过实验,与递归算法以及VC++标准库函数nth_element进行了比较,结果表明,该算法比传统的递归算法具有较高的效率和可靠性;与标准库函数nth_element比较,在时间效率方面具有明显优势。

一种基于GPS载波单差相位的鲁棒快速迭代定姿算法

针对基于GPS载波单差相位的迭代定姿算法对初值敏感的事实,研究了一种对初值鲁棒的快速迭代定姿算法.基于载波单差相位观测的姿态确定可以归结为一个带约束的参数优化问题.通过拉格朗日乘子法求解该优化问题将参数优化问题转化为一个微分方程的数值积分问题.采用特征向量迭代算法确定迭代初始点,再由4阶龙格库塔算法迭代求解该微分方程得到了快速收敛的迭代定姿算法.在不同天线布局、初值条件下对该算法进行了仿真,仿真结果表明天线布局和初值对算法的收敛精度影响不大.同其它迭代算法进行了对比,结果表明在相同条件下本算法可更快收敛.

基于快速迭代收缩阈值算法识别移动荷载

在桥梁设计规范中,移动力对活载构件起着重要的作用。然而,由于移动力的变化是在时间和空间上同时发生的,很难直接测量车辆和桥梁之间的相互作用力。因此,开发一些间接鉴定方法是有益的。间接法是根据已知桥梁动力特性和实测的实际动力响应计算动力。与直接法的成本相比,间接法的成本较低。考虑一类迭代收缩阈值算法(ISTA)来解决信号中出现的线性逆问题。这类方法可以看作经典梯度算法的扩展,因其简单而便捷,足以解决大规模问题以及有密集的矩阵数据,但这类方法收敛速度也很慢。本研究提出了一种新的快速迭代收缩阈值算法,FISTA算法保持了ISTA算法的计算简单性,且具有全局收敛速度快的优势,在理论和实践上都得到了显著的改善。

改进的迭代收缩阈值算法及其在量子状态估计中的应用

本文将含有稀疏干扰的量子状态估计问题,转化为考虑量子状态的约束条件下,分别求解密度矩阵的核范数,以及稀疏干扰l1范数的两个子问题的优化问题.针对迭代收缩阈值算法(ISTA)所存在的收敛速度慢的问题,通过在两个子问题的迭代估计中,引入一个加速算子,对当前值与前一次值之差进行进一步的补偿,来提高算法的迭代速度(FISTA).并将FISTA算法应用于求解含有稀疏干扰的量子状态估计中.针对5个量子位的状态估计的仿真实验,将FISTA分别与ISTA、交替方向乘子法(ADMM)、不动点方程的ADMM算法(FP-ADMM),以及非精确的ADMM算法(I-ADMM)4种优化算法进行性能对比.实验结果表明,FISTA算法具有更加优越的收敛速度,并且能够得到更小的量子状态估计误差.

压缩感知中基于快速不动点迭代算法的研究

针对传统迭代算法在解决大规模问题时速度较慢的问题,在介绍了压缩感知中重构的基本模型以及传统不动点迭代方法(FPC)的基础上,提出了一种新的重构算法-快速不动点迭代方法(FFPC)。传统的不动点迭代方法其实是基于算子分裂的方法。为了提高去重构性能,通过引入软阈值和正则化参数的双收缩,逐步迭代恢复原始图像信号,以加快算法的收敛速度,减小重构误差,从而改善图像的重构质量。仿真结果表明,在相同的实验环境下,与传统的不动点迭代算法以及其他算法相比,快速不动点迭代算法重构图像的峰值信噪比较高,相对误差较小,在低采样率下运行时间较少,性能最优。

快速迭代反卷积算法的超分辨性能分析

传统观念认为，扫描体制下的实孔径雷达方位分辨力决定于3dB波束宽度，这使得雷达难以从方位上区分同一波束内的两个等距目标。迭代反卷积算法是一种简单实用的超分辨算法，为分析迭代反卷积算法的超分辨性能，文章对线性迭代算法和P阶决速迭代算法进行了比较并对此做了仿真实验。仿真实验表明，P阶快速迭代反卷积算法的超分辨效果较佳，而且需要的迭代次数较少。