基于负集加权迭代修正最小二乘拟合原理的快速自适应拉曼光谱基线校正算法

拉曼光谱是无损光谱分析技术,通过分析散射光的频率变化获取物质的分子结构信息。基线校正是提升光谱数据质量的关键步骤,可以去除背景信号和不相关噪声,凸显并纯化目标信号。传统的拉曼光谱技术对基线校正的时效性要求不高,但随着流式拉曼和内窥拉曼等需要实时处理光谱数据的应用场景增多,基线校正在速度和准确性要求也随之提高。传统的迭代多项式拟合和小波变换方法在时间、精度或自适应能力上存在不足。本研究开发了一种基于负集加权迭代修正最小二乘原理的快速自适应基线校正算法(MWIALS)。主要原理是提取负数集并赋予更高权重,在迭代过程中不断修正基线,并通过设置参数阈值以跳出循环,实现快速准确的基线校正。提出两种参数选择策略:固定参数(FMWIALS)适用于批量同类型光谱的快速处理,自适应(AMWIALS)适用于差异化光谱的自适应处理。该算法应用于颗粒物的流式拉曼光谱分析。结果表明,与其他主流算法相比,MWIALS在实际光谱处理上显著高效(平均处理时长47 ms·谱^(-1)),具有较高的准确性和自适应性。该算法能够满足流式拉曼和内窥拉曼等生物样本检测中实时光谱处理的需求,为拉曼光谱技术的进一步应用提供了强有力的支持。

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。。

用于电阻层析成像的快速自适应硬阈值迭代算法

针对电阻层析成像技术图像重建具有严重病态性的问题,提出了一种稀疏重建算法——快速自适应硬阈值迭代算法,研究了噪声对该算法在电阻层析成像图像重建效果上的影响,并通过仿真和模型实验测试了该算法的性能.结果表明:一定强度范围内的噪声对硬阈值迭代算法、自适应硬阈值迭代算法和快速自适应硬阈值迭代算法的影响较小.快速自适应硬阈值迭代算法成像速度更快,且该算法重建图像的空间分辨率相对其他两种算法也有较大的提高.

基于低松弛迭代格式的快速自适应滤波算法

利用Ｂ样条函数基底的光滑性及其局部支撑性质，以最小二乘（ＬＳ）为准则，构造了基于低松弛迭代格式的快速自适应滤波算法．对于一个Ｎ×Ｎ输入图像，由于Ｂ样条函数的局部支撑性质以及低松弛迭代算法的引入，使得在统计意义下最佳的最小二乘滤波算法的计算复杂度降为Ｏ（Ｎ２），就ＬＳ算法的复杂性而言，优于不动点（ＦＰ）迭代算法的Ｏ（Ｎ３）及基于ＦＦＴ的预处理共轭梯度（ＰＣＧ）算法的Ｏ（Ｎ２·ｌｎＮ）．实验结果表明，该滤波器对Ｇａｕｓ白噪声及均匀分布的噪声图像具有良好的降噪特性．

p自适应分析求解快速迭代算法的研究

提出一种结构系统ｐ自适应有限元分析快速求解算法．该方法以预处理共轭梯度法为基础，采用了逐单元矩阵处理技术和基于单元的分块预处理矩阵技术；提出以高斯消元法求得ｐ＝１或２时问题的解作为高阶问题初始解的求解策略，避免了显式组装系统总体刚度矩阵，具有内存需求少、收敛速度快的优点．

自适应光学系统迭代控制算法超参数优化

无波前探测自适应光学系统中,选择合适的超参数是迭代控制算法达到最佳性能的关键。现有的迭代控制算法的超参数设置一般采用遍历法,这种方法虽然容易理解和实现,但计算量大、耗时较长,同时也可能因为找到一个局部最优值而错过全局最优值。本文采用贝叶斯优化方法,选择适合自适应光学系统迭代控制算法的超参数。分别以常用的随机并行梯度下降算法(stochastic parallel gradient descent algorithm,SPGD)、Momentum-SPGD和CoolMomentum-SPGD控制算法为例,对比分析采用遍历法和贝叶斯优化方法选择超参数的控制算法的校正效果。结果表明,采用贝叶斯优化方法进行超参数选择优势明显。对于SPGD控制算法,取得相同收敛效果时,贝叶斯优化方法所需样本实例数量是遍历法的10%;对于Momentum-SPGD和CoolMomentum-SPGD控制算法,贝叶斯优化方法所需样本实例数量分别是遍历法的7%和9%。研究结果可为自适应光学系统迭代控制算法的实际应用提供超参数设置理论基础。

基于放疗科大孔径CT的自适应迭代重建技术在肺结节穿刺中的应用研究

目的:研究大孔径CT自适应统计迭代重建(ASIR)对肺结节经皮穿刺中图像质量的影响。方法:选取2023年1月—7月于深圳市宝安区人民医院接受大孔径CT引导穿刺的肺结节患者20例。分别应用滤波反投影技术(FBP)和ASIR技术重建图像并评价两组图像质量。主观评价采用Likert评分,客观评价对结节区噪声标准差(SD)、对比噪声比(CNR)和穿刺针针尖位置CT值等资料。结果:图像的主观评价均满足穿刺要求且一致性较好(Kappa值=0.740)。ASIR图像质量随着权重先增加后降低,权重为60%时最佳。和FBP相比,ASIR 60%的Likert评分更高,结节SD和CNR值比较,差异有统计学意义(P=0.004、0.043)。其他统计参数比较,差异均没有统计学意义(P>0.05)。结论:放疗用大孔径CT常规扫描不影响穿刺图像质量,ASIR 60%图像质量更优,可以用于引导肺结节经皮穿刺。

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.

一种多级维纳滤波器的快速实现算法——迭代相关相减算法

证明了由相关相减算法实现的多级维纳滤波器是一种酉多级维纳滤波器,并且其各级的匹配滤波器与对应的降秩子空间的基向量相等。在证明结论的基础上,将后向迭代算法应用于相关相减算法多级维纳滤波器,提出了多级维纳滤波器的迭代相关相减实现算法。迭代相关相减算法具有前向递推计算量低、后向滤波实时性好、采样均方误差和自适应权矢量计算简单、秩选计算量低等优点,降秩性能与相关相减算法完全相同。

改进狼群算法的SCARA机械臂自适应迭代学习控制

针对减小机器人重复运动的位置、速度跟踪误差的问题,给出一种基于狼群算法优化的机械臂自适应迭代学习控制策略。根据SCARA(Selective compliance assembly robot arm)机械臂驱动方程,设计动力学系统的迭代学习控制律。引入自适应步长的狼群算法,使狼群能够根据猎物气味浓度动态调整移动步长,提高了算法的收敛速度和精度。该策略对机械臂控制器参数KP、KD进行寻优时,得到了良好的控制效果,实现了对期望轨迹的有效跟踪。实验结果表明,该算法灵活性好,对系统期望轨迹具有较高的跟踪精度,有效降低了双关节机械臂的位置、速度跟踪误差,具有较强的可行性与有效性。

带有迭代学习前馈的快速路无模型自适应入口匝道控制

提出了一种新的带有迭代学习前馈的快速路无模型自适应入口匝道控制算法.模块化的前馈迭代学习和反馈MFAC控制器设计方案使所设计的控制系统有效地利用了交通流的周期性特征,提高了控制品质.严格的数学推导证明了该方法的收敛性.仿真研究及比较结果验证了所提算法的有效性.

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 .

利用导向向量旋转和联合迭代优化的自适应波束形成算法研究

针对大型阵列中自适应波束形成技术的实时性和鲁棒性问题,基于最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)波束形成的信号模型框架,提出一种通过对导向矢量进行处理以降低干扰的自适应波束形成算法——稳健联合迭代优化-导向自适应(Robust Joint Iterative Optimization-Direction Adaptive,RJIO-DA)算法。在联合迭代优化的基础上,将降维变换矩阵的每一个列向量看作独立的方向向量,引导子空间内每一个维度上的权值迭代,同时旋转导向向量,减小了由于导向误差的不确定性而导致的性能下降。仿真实验结果表明,与现有的降维算法相比,RJIO-DA算法计算复杂度低、收敛率高、鲁棒性好,可在期望方向上稳健地聚集波束,更好地形成干扰方向的自适应零陷。

自动协议选取能谱联合自适应迭代计算法重建技术降低腹部增强及血管成像辐射剂量及对比剂剂量的可行性

目的探讨利用自动协议选取能谱(ASIS)扫描模式联合自适应迭代算法重建(ASiR)技术降低腹部增强及血管成像辐射剂量及对比剂剂量的可行性。方法将64例接受腹部增强患者随机分为两组:试验组32例,采用ASIS扫描模式,应用30%ASiR和50%ASiR重建算法;对照组32例,采用120kVp管电压,FBP重建。比较两组扫描方法辐射剂量及对比剂剂量;比较70keV+30%ASiR图像与对照组动脉期及门静脉期肝脏及胰腺噪声、竖脊肌噪声(SMN)、肝脏CNR、胰腺CNR;对55keV+50%ASiR图像与对照组动脉期腹主动脉及各主要分支血管CNR及门静脉期门静脉CNR以及血管图像主观评分进行统计学分析。结果试验组动脉期及门静脉期的CTDIvol、DLP较对照组下降23.68%、23.57%和25.59%、18.45%,对比剂注射总量试验组较对照组减少16.86%。70keV+30%ASiR动脉期及门静脉期肝脏、胰腺和竖脊肌的噪声均低于对照组(P均<0.05)。试验组55keV+50%ASiR动脉期腹主动脉、肠系膜上动脉、腹腔干的CNR均高于对照组(P均<0.05);静脉期门静脉的CNR和血管评分与对照组比较差异无统计学意义(P>0.05)。结论采用ASIS扫描模式联合ASiR技术,70keV+30%ASiR及55keV+50%ASiR图像显示腹部脏器及腹部血管图像质量均优于传统120kVp扫描模式的图像质量,且降低了辐射剂量及对比剂剂量。

自适应迭代算法支持向量集的特性研究

针对在支持向量机研究中,传统的优化方法无法处理规模不断扩大的分类问题,为设计适应大样本分类的训练算法,提出了基于块的自适应迭代算法。在该算法的训练过程中,块增量学习和逆学习交替进行,能够自动得到一个小的支持向量集。将该算法与SVML ight在支持向量数量方面进行了比较,计算了UC I(Un i-versity of Californ ia-Irvine)中的6个数据集和著名的Checkboard问题。结果表明:该自适应迭代算法确定的支持向量数一般不到SVML ight所得到的支持向量数的一半,其中70%多的支持向量被SVML ight所确定的支持向量集所包含,在支持向量选择方面具有高效性。

基于自适应迭代UKF的纯距离目标定位算法

针对迭代无迹卡尔曼滤波(IUKF)需要人工设定迭代次数的问题,引入遗传算法中适应度函数的概念,提出一种自适应迭代卡尔曼滤波的跟踪算法(AIUKF)。该算法利用观测预测值与实际观测值、系统采样点与实际观测值的适应度函数作为评价标准,根据适应度函数的比值自适应确定是否进行迭代。仿真结果表明:新算法适用于纯距离系统,可以有效解决IUKF人工设定迭代数的问题,且算法性能与IUKF性能相当,均优于UKF性能。

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。