基于张力格林样条的EMD均值曲线插值方法

经典经验模式分解采用三次样条插值方法求取信号的均值曲线,其存在较严重的过冲现象,造成最终的分解误差较大。针对上述问题,提出一种基于张力格林样条的均值曲线插值方法。以相邻极值点的中点为插值节点,采用张力格林样条插值直接获得信号的均值曲线。实验结果表明,该方法在保证插值曲线光滑性的基础上,可以消除三次样条在插值节点间出现的过分振荡现象,一定程度上克服过冲问题,基于极值中点的一次插值能进一步降低信号分解的误差。

格林样条插值算法模拟井眼轨迹

为解决井眼轨迹模拟的问题,采用格林样条插值算法来计算井眼轴线上任一点的井斜角、方位角,用辛普森积分公式求其空间坐标,并编写了井眼轨迹模拟软件进行了实例计算。计算结果表明,用该方法计算出来的未知测点的井斜角和方位角与实测值相比,误差很小,利用该方法可以增大测量间距,减少测点个数,降低成本。

基于测点优化的亚像素数字图像相关方法

鉴于传统数字图像相关(DIC)方法采用的布点方式(水平成行,垂直成列)很可能会将一些测点分布在散斑质量较差的位置,提出了一种基于测点优化、Newton-Raphson(N-R)迭代与粒子群优化(PSO)算法的DIC方法。首先,通过在原始测点周围寻找散斑质量较好的区域来优化测点位置;然后,采用基于N-R迭代与PSO的粗细搜索方法计算优化后(非均匀分布)测点的位移场;最后,采用二维格林样条插值算法对该位移场进行插值以获得原始测点处的位移场,再由中心差分方法获得应变场。对3幅散斑质量差别较大的散斑图上的测点进行了优化,并将传统方法和提出方法获得的应变的各种结果进行了比较。研究发现,当样本子区尺寸在21~41 pixel之间时,对于平均灰度梯度处于10~20 pixel^(-3),且预加应变量处于0.01~0.05之间的散斑图,采用该方法可以获得较好的测量结果,这与优化测点位置有关。若采用该方法仅对原始测点中分布在散斑质量较差位置处的那些测点进行优化,有望获得更为理想的测量结果。