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。

基于空域自适应单脉冲的抗干扰雷达多目标参数估计算法

基于空时级联单脉冲的多目标参数高效估计算法(M-STCMP)是一种高效的雷达多目标参数估计算法,但在干扰环境下其参数估计性能将严重下降。文中提出了基于空域自适应单脉冲的抗干扰多目标参数估计(AM-STCMP)算法。首先,将空域自适应单脉冲技术引入M-STCMP算法,自适应形成和差波束抑制干扰信号,提高各目标的信干噪比,并迭代修正自适应和差波束的鉴角曲线;其次,采用空时级联单脉冲技术估计各目标的距离-速度两维参数;最后,采用Relax算法高精度迭代估计各目标的角度-速度-距离三维参数。理论分析和仿真结果验证了AM-STCMP算法的有效性,其参数估计性能接近无干扰情形。

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。

塑料称重配料的神经元迭代AI算法

本文针对动态的塑料称重配料系统,使用贝加莱X20系列CPU为控制硬件,在分析目前流行的多种AI算法基础上,运用若干种AI算法解决塑料称重配料系统中非线性、强干扰、不稳定滞后、随机性等问题,并且区别于专家系统,将算法应用到塑料称重配料设备的批量生产中。实践证明,这套自适应AI算法可以基本满足塑料称重配料设备的高精度、高响应、易操作的客户需求,可为塑料称重行业提供一定的借鉴。

基于迭代思想的自适应Niblack算法改进

针对文本及小物体图像识别时在光照不均匀工况下特征提取难度大、效率低问题,提出一种改进Niblack算法。利用迭代思想获取每个像素邻域的均值及标准差,使其与邻域窗口大小无关,避免了重复计算,降低了算法复杂度;在Sauvola算法基础上结合全局阈值Otsu算法及方差特性改进算法阈值,使其能自适应地调整阈值,逐点地进行图像二值化。为验证算法有效性,将其应用于文本、车牌及小物体图像二值化,与传统Otsu、Kittler、Niblack和Sauvola算法相比,算法获取的特征更清晰和准确,伪影和斑点等噪声更少,且与原Niblack算法相比,相同条件下其处理时间大幅度降低。

一种基于迭代自适应的鲸鱼优化算法

针对鲸鱼优化算法(WOA)后期收敛精度差和高维下容易陷入局部最优等不足,提出一种基于迭代自适应的鲸鱼优化算法(IAWOA)。首先用Circle混沌映射鲸鱼个体位置,使个体鲸鱼位置分布得更加均匀;其次随着迭代自适应改变螺旋气泡网大小,使螺旋气泡网前期较大而后期慢慢变小;再者用levy flight更新个体随机位置,帮助算法跳出局部最优;最后,通过12个基准测试函数,将IAWOA与其他3种算法进行仿真实验。实验结果表明,IAWOA有更好的收敛精度和鲁棒性。

自适应统计迭代重建算法在肺部低剂量CT扫描中的应用价值

目的:分析自适应统计迭代重建(ASIR)算法在肺部低剂量CT扫描中的应用价值。方法:回顾性分析2019年10月—2020年10月于我院就诊需进行肺部低剂量CT扫描的83例患者,采用ASIR算法纳入实验组(n=42),采用传统滤波反投影法(FBP)纳入常规组(n=41),比较两组患者CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP)、有效剂量(ED)、噪声和图像清晰度。结果:实验组CTDIvol、DLP和ED均显著小于常规组(P<0.05),实验组胸廓入口、气管隆突、上腹部的肌肉和脂肪CT值均显著小于常规组(P<0.05),两组患者主观噪声评分和清晰度评分中1分、2分、3分和4分例数均无统计学差异(P>0.05),实验组主观噪声评分和清晰度评分5分例数占比均显著大于常规组(P<0.05)。结论:ASIR算法在肺部低剂量CT扫描中具有降低图像噪声、提高图像清晰度的优势,可推广应用于临床诊断。

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.

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。

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．

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。

自适应迭代重建算法对儿童副鼻窦CT能谱成像质量及辐射剂量的影响研究

目的:探讨自适应迭代重建(ASIR)算法对儿童副鼻窦CT能谱成像质量及辐射剂量的影响。方法:选取在医院行能谱CT检查的86例疑似副鼻窦病变患儿,按就诊顺序随机将其分为对照组和观察组,每组43例,对照组采用常规能谱CT诊断,观察组采用ASIR算法结合能谱CT诊断,采用ASIR算法对儿童副鼻窦病变诊断效能、成像质量、辐射剂量的容积CT剂量指数(CTDIvol)和剂量-长度乘积(DLP)、成像噪声值和比较噪声比(CNR)等指标的影响进行分析比较。结果:常规能谱CT成像诊断副鼻窦病变的灵敏度、特异度和准确率分别为86.84%、60.00%和83.72%;ASIR算法结合能谱CT成像诊断副鼻窦病变分别为91.67%、85.71%和90.70%,ASIR算法结合能谱CT成像诊断副鼻窦病变的准确率较常规能谱CT成像略高,差异无统计学意义;观察组成像质量较对照组明显高,而CTDIvol和DLP较对照组明显低,差异有统计学意义(t=14.135,t=525.366,t=44.830;P<0.05);两组成像噪声值和CNR相比较差异无统计学意义。结论:ASIR算法结合能谱CT诊断儿童副鼻窦病变的效能与常规能谱CT相当,在提高成像质量的同时降低患儿辐射剂量,且不会增加成像噪声。

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机（LS-SVM）回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明：在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。

基于Remez迭代算法求解差分系数的双相介质自适应有限差分正演模拟

利用传统有限差分方法对基于Biot理论的双相介质波动方程进行数值求解时,由于慢纵波的存在,数值频散效应较为明显,影响模拟精度.相对于声学近似方程及普通弹性波方程,Biot双相介质波动方程在同等数值求解算法和精度要求条件下,其地震波场正演模拟需要更多的计算时间.本文针对Biot一阶速度-应力方程组发展了一种变阶数优化有限差分数值模拟方法,旨在同时提高其正演模拟的精度和效率.首先结合交错网格差分格式推导Biot方程的数值频散关系式.然后基于Remez迭代算法求取一阶空间偏导数的优化差分系数,并用于Biot方程的交错网格有限差分数值模拟.在此基础上把三类波的平均频散误差参数限制在给定的频散误差阈值和频率范围内,此时优化有限差分算子的长度就能自适应非均匀双相介质模型中的不同速度区间.数值频散曲线分析表明:基于Remez迭代算法的优化有限差分方法相较传统泰勒级数展开方法在大波数范围对频散误差的压制效果更明显;可变阶数的优化有限差分方法能取得与固定阶数优化有限差分方法相近的模拟精度.在均匀介质和河道模型的数值模拟实验中将本文变阶数优化有限差分算法与传统泰勒展开算法、最小二乘优化算法进行比较,进一步证明其在复杂地下介质中的有效性和适用性.

单滤波器延时估计-局部迭代算法

利用目标系统的稀疏性,提出基于延时估计的局部迭代(Delay Estimate-Selective Partial Update,DE-SPU)算法以降低滤波器有效长度。新算法先利用移动窗积分获取目标系统的延时估计以确定活跃系数位置,然后每次迭代均以自适应算法更新全部活跃系数与循环更新一段非活跃系数。活跃系数获得较高的更新频率以提高系统收敛速度,非活跃系数获得较低的更新频率以保证系统的跟踪能力。新算法用一个滤波器完成对稀疏系统的延时估计与活跃系数辨识,可有效避免双滤波器结构的信息冗余。最后以回声消除为应用背景对新算法进行实验仿真,仿真结果表明新算法性能优于传统的的NLMS算法以及各种双滤波器算法,进一步验证了新算法的有效性。

低复杂度的自适应置信差分迭代译码算法

针对中短码长的低密度奇偶校验规则码(Low Density Parity Check,LDPC)规则码,该文采用消息更新规则改进和因子图变换方法,提出一种低复杂度差分迭代译码算法。在置信传播算法的基础上,仅当变量节点的消息值振荡时引入差分映射策略,得出一种选择性的置信差分规则,自适应地调整校验节点消息的归一化系数,提高译码性能。同时,采用展开校验节点的图变换方法,将计算复杂度从随节点度分布指数性增长降至线性增长。分别在高斯白噪声信道和瑞利衰落信道下进行仿真实验,结果表明该算法和基于图变换的其他低复杂度译码算法相比,性能优越且复杂度低,和对数似然比的置信传播算法(LLR-BP)相比,高信噪比区域内的性能优异,低信噪比区域内的计算复杂度明显降低。

基于最小二乘自适应迭代的宽带波束形成算法

大部分时域恒定束宽宽带波束形成算法的权值拟合运算量较大,导致实用性大大降低。本文给出一种基于最小二乘自适应迭代的恒定束宽波束形成器设计方法,同时将RLS迭代算法应用于滤波器组设计中。本文方法易于实现,不受阵形及阵元指向性限制,不受迭代步长影响,且能快速收敛。理论推导及仿真实验验证了本文方法的有效性。