顾及残差约束的多面函数法融合卫星测高和船载重力

融合多源重力数据是精化局部区域重力场的必要手段。本文通过引入残差约束因子,改进了基于多面函数的多源海洋重力数据解析融合方法。以日本群岛附近海域为例,使用卫星测高反演重力场模型和船载重力数据,分析了分块大小、融合船载重力数据量及其分布对该方法的影响,并与改进前多面函数法及最小二乘配置法的结果进行比较,验证了改进方法的可靠性和有效性。与验证船载重力数据相比,顾及残差约束的多面函数法精度最好,极值和标准差均显著下降。与多面函数法相比,不仅较好地改善了控制船载测点附近的不符值,而且将其较好地推估至整个区域的船载观测数据之间,残差分布合理,且无明显测线状误差。

三维荧光光谱结合交替加权残差约束四线性分解算法对石油类混合油液的检测

石油作为重要的能源和工业原料,在造福人类社会的同时,其引起的环境污染问题日益严重。因此针对混合油液的快速、准确检测成为鉴别溢油来源和保护生态环境的重要内容。石油类物质一般由具有较强荧光特性的芳香烃成分及其衍生物组成,荧光光谱分析技术以其灵敏度高、分析速度快和受风化影响程度小等优点成为了混合油液检测的重要手段之一,并与二阶校正和三阶校正的各类算法相结合取得了较好的成分鉴别和浓度预测效果。但二阶校正算法普遍存在对噪声的容忍能力弱和对组分数敏感、收敛速度慢等不足,限制了在实际混合油液检测中的应用。针对上述存在的问题,将三维荧光光谱技术和交替加权残差约束四线性分解(AWRCQLD)算法相结合,提出一种用于混合油液检测的新方法。首先以乙醇作为溶剂,将航空煤油和润滑油按不同浓度比配制7个校正样本、4个预测样本和3个空白样本;然后利用FLS920荧光光谱仪采集拟进行成分检测的混合油液在不同实验温度条件下共42个样本的荧光光谱数据,并通过空白扣除的方法消除散射的干扰;再利用核一致诊断法和残差分析法估计出最佳的组分数;最后分别利用AWRCQLD算法、4阶平行因子(4-PARAFAC)算法和二阶校正算法解析样本的荧光光谱数据,做出混合油液样本的定性鉴别和定量预测。研究结果表明,经AWRCQLD算法解析后得到的航空煤油预测样本的回收率为96.7%~102.7%、预测均方根误差为0.015mg·mL^-1;润滑油预测样本的回收率为96.9%~101.7%、预测均方根误差为0.009mg·mL^-1;在不同实验温度条件构建的四维响应数阵能够更为准确地测定出航空煤油和润滑油的组分浓度,其回收率更高和预测均方根误差更小,满足准确定量分析的要求;AWRCQLD算法在航空煤油和润滑油样本的荧光光谱严重重叠的情况下,较之二阶校正算法和4-PARAFAC算法,AWRCQLD算法更能够体现出三阶校正算法所具有的优势,综合预测能力更强,达到了对混合油液进行快速检测的目的。该研究提供了一种不依赖于“物理和化学分离”的快速、准确的对混合油液进行检测的“数学分离”方法,为石油类混合油液检测提供了必要的技术支持。

基于预滤波的组稀疏残差约束图像去噪模型

大多数现有去噪方法只考虑了噪声输入图像的非局部自相似性先验方法(NSS),仅从已退化的输入图像中收集相似图像块,图像去噪的质量在很大程度上取决于输入图像本身。针对图像复原过程中的噪声去除问题,设计了一种基于卷积神经网络的组稀疏去噪模型。模型使用两种NSS先验(即噪声输入图像和预滤波图像的NSS先验),把图像去噪问题转化为组稀疏残差最小化问题。为了提高非局部相似块选择的准确性,使用了一种自适应块搜索的方法,并采用卷积神经网络进行预滤波,以获得对原始图像组稀疏系数的良好估计。实验结果表明:所提出的GSRC-CNN方法在客观和感知质量方面优于许多先进的去噪方法。

双边加权组稀疏残差约束的面阵卫星影像去噪

传统的组稀疏表示模型受到噪声的影响可能无法准确估计每个影像组的稀疏性,从而导致对理想影像的复原失真。提出了双边加权的组稀疏残差约束模型,引入组稀疏残差约束,首先利用稀疏编码系数的非局部自相似性获得理想影像的组稀疏系数估计,然后约束对应退化影像的组稀疏系数来逼近这一估计。由于面阵卫星影像噪声较为复杂,用简单加性高斯白噪声难以精确建模,将两个权重矩阵分别引入组稀疏残差约束的数据保真项和正则化项中,以表征影像和噪声的统计特性。使用模拟数据和珞珈三号01星获取的真实影像进行实验,在模拟实验中,双边加权组稀疏残差约束模型在去除加性高斯白噪声和空间异质噪声方面表现优于其他对比方法。在真实影像实验中,使用该模型去噪后的影像熵值相较于三维块匹配滤波方法、多波段加权核范数最小化方法、非局部中心化稀疏表示方法、低秩化组稀疏表示方法和三边加权稀疏编码方法,分别提升了2.03%、1.18%、1.26%、1.24%和2.10%。结果表明,双边加权组稀疏残差约束模型在保留影像边缘细节和消除真实影像噪声方面优于对比方法。

基于近红外光谱与协同表示方法的贻贝毒素快速检测

该文应用近红外光谱和类别相关残差约束的非负表示分类(class-specific residual constraint non-negative representation base classification,CRNRC)方法快速识别被毒素污染的贻贝。受腹泻贝类毒素(diarrheal shellfish toxins,DST)污染的贻贝,其组织变化可通过近红外光谱曲线反映出来,可利用CRNRC模型对健康贻贝和受DST污染的贻贝进行分类。在CRNRC模型中引入类相关残差项和协同表示,将编码与分类联系起来。研究了CRNRC的编码向量,通过实验确定CRNRC模型的最优参数。实验结果表明,CRNRC模型在平均准确率、F-measure、1-specificity等评价指标上均优于协同表示和非负表示分类模型;近红外光谱与CRNRC相结合,能有效地鉴别被DST污染的贻贝,该检测方法具有智能、无损、准确、不需要化学试剂等优点。可将CRNRC模型的近红外光谱检测方法扩展到其他海鲜产品的检测(如检测海鲜产品核污染程度),以确保人类摄入健康的海鲜产品。

随机线性互补问题的无约束优化再定式

针对随机线性互补问题,提出等价的无约束优化再定式模型,即由D-间隙函数定义的确定性的无约束期望残差极小化问题.通过拟Monte Carlo方法,将样本进行了推广,得到了相关的离散近似问题.在适当的条件下,提出了最优解存在的充分条件,以及探究了离散近似问题的最优解及稳定点的收敛性.另外,在针对一类带有常系数矩阵的随机互补线性问题,研究了解存在的充要条件.

三维荧光结合AWRCQLD测量化妆品中三种添加剂

没食子酸(GA a),学名为3,4,5-三羟基苯甲酸(分子式为C 7H 6O 5),通常以水合物的形式存在,作为一种重要的有机原料,广泛的存在于植物中。有研究证明GA a具有抗氧化、抗炎、抗肿瘤、抗病毒、抗突变等多种作用。因此GA a常作为抗氧化剂添加于化妆品中。对羟基苯甲酸(p-HA),分子式为C 7H 6O 3,其中的R基为甲基、乙基、丙基、丁基或庚烷基时分别称为对羟基苯甲酸乙酯、对羟基苯甲酸丙酯、对羟基苯甲酸丁酯和对羟基苯甲酸庚酯。p-HA酯类的抗菌性强、毒性低、抑菌作用不受pH影响,因此常添加于化妆品及药物中用作防腐剂。间苯二酚(RE)又称1,3苯二酚或间二苯酚(分子式为C 6H 6O 2)。RE具有杀菌作用,可作为防腐剂添加于化妆品中。以没食子酸(GA a)、对羟基苯甲酸(p-HA)和间苯二酚(RE)三种化妆品常用添加剂为目标分析物,通过引入第四维—溶剂,构建四维荧光光谱数据,使用甲醇(光谱级)、乙醇(光谱级)、超纯水分别获得三组实验样本,三组样本的配置方法与加入药品量相同。使用FS920稳态荧光光谱仪对样本进行检测,设置激发波长为210~330 nm,间隔4 nm记录一个数据;发射波长为280~480 nm,间隔2 nm记录一个数据。初始发射波长总是滞后激发波长10 nm,由此可消除一级瑞利散射的干扰。随后使用空白扣除法对初始荧光数据进行预处理,去除了溶剂的拉曼散射。最后,采用核一致诊断法确定待测样本的组分数为3,使用交替加权残差约束四线性分解(alternating weighted residual constrained quadratic decomposition,AWRCQLD)算法对预处理后的三维荧光光谱数据进行分解。结果表明,AWRCQLD算法分解得到GA a、p-HA和RE的激发、发射光谱图与目标光谱几乎重叠,能实现光谱重叠严重的GA a、p-HA和RE的快速定性和定量分析。

基于新型PMU配置的局部配电网状态估计

针对配电网网络结构复杂,点多面广,配电自动化设备无法实现全覆盖,提出了一种基于非线性动力系统的局部配电网状态估计方法。所提出的方法是全局收敛的,并且可以使用PMU提供的稀疏同步相量量测而不受传统状态估计网络可观性的限制。对于电压控制或热极限控制等实际应用,需要有针对性地提高电压幅度或电压相角的精度,在这种情况下,提出了一种增强的状态估计模型,包括电压幅值测量残差约束和电压相角测量残差约束。仿真结果证实了所提方法的有效性。

基于改进FUKF的燃气轮机性能退化诊断

针对燃气轮机使用过程中由于工作状态突变导致轮机性能估计困难的问题,提出基于残差相似性的渐消无迹卡尔曼滤波(fading unscented Kalman filter with residual similarity,FUKF-RS)算法,实现燃气轮机健康参数的估计.首先,在普通渐消无迹卡尔曼滤波(fading unscented Kalman filter,FUKF)框架下,构造燃气轮机健康参数估值算法,在测量值估计更新过程中,乘以渐消因子来调节前后时刻的权重,通过强制残差正交来估计渐消因子;然后,利用前后估值时刻残差向量的余弦值表征残差阵的相似度,根据其相似度的大小关系确定残差阵的比例;最后,用该比例值代替算法中的遗忘因子,计算残差阵,实现求解的量化取值.研究结果表明:在燃气轮机状态突变条件下,FUKF-RS算法具有突变状态跟踪能力,参数估值精度比FUKF算法提高了3%左右,普通UKF(unscented Kalman filter,UKF)则不具突变状态跟踪能力;在部件性能缓慢变化时,参数的估计曲线比普通FUKF更平滑,估计精度提高了2%左右.