实现稀疏反褶积的预条件双共轭梯度法

地震勘探稀疏反褶积计算一般要导出一个Toeplitz矩阵的线性系统,通常可以用矩阵求逆、Levison递推及共轭梯度等方法直接求解。当Toeplitz矩阵的条件数很大时,数值稳定性差,甚至无法求解。使用共轭梯度法,在矩阵的对角元素上加入规则化因子,可以改善这种情况,但不能彻底解决数值稳定性和精度问题。若求解最小二乘问题的原始问题,结果会好些。线性系统形式的细微改变,将导致不同的数值计算特性。在规则化策略基础上,可巧妙地构造稀疏反褶积的问题原型,引入预条件,采用双共轭梯度法求解,从而实现稀疏反褶积,获得较好结果。数值算例表明,预条件双共轭梯度法比直接稀疏反褶积方法收敛快、精度高。

一种修正的MPS预条件共轭梯度算法

对于大型线性系统Ax=b来说,共轭梯度法依赖于系数矩阵的条件数,可能导致迭代计算的收敛速率无法满足实际需求.预条件共轭梯度法是一种加速技术,采用适当的预条件矩阵来降低系数矩阵的条件数.本文针对一种具有特殊结构的线性系统,提出了一种新的预条件共轭梯度算法,并对新算法进行了分析.初步数值实验说明新算法具有较好的收敛速率.

重力梯度张量的预条件共轭梯度法反演

针对重力梯度张量反演中的问题,提出基于预条件共轭梯度法的重力梯度张量反演。通过在目标函数中加入粗糙度对模型进行约束以避免反演参数远多于采集点数的欠定问题不稳定,并在目标函数中添加深度加权矩阵对核函数进行补偿,以避免核函数随着深度的增大而快速衰减的问题。分别反演、比较各重力梯度张量分量和联合5个独立分量,并将重力梯度张量5个独立联合反演应用于Y型岩脉。研究结果表明:联合反演效果明显优于单一分量的反演效果,且能较好地与原始模型相吻合,证明了本文算法的有效性。

反射系数与子波同时迭代反演的预条件共轭梯度法

在反射系数白噪、子波最小相位的假设下,研究基于线性反演的地震反射系数和子波同时估计问题。在Cauchy准则稀疏反演求解中,应用预条件共轭梯度法实现反射系数和子波同时迭代反演。在迭代求解正则化方程时,用共轭梯度法求解相应的原问题,初猜子波求解也使用该策略。模型数据试算与比较,表明了该算法正确而有效。用实际数据检验算法的实用性,经研究表明,预条件共轭梯度法计算的反射系数和子波,要比直接稀疏反演精度高,而且收敛较快,数值稳定,实用性强。

预条件共轭梯度法在地震数据重建方法中的应用

基于最小平方的Fourier地震数据重建方法最终转化为求解一个线性方程组,其系数矩阵是Toeplitz矩阵,可以用共轭梯度法求解该线性方程组.共轭梯度法的迭代次数受系数矩阵病态程度的影响,地震数据的非规则采样程度越高,所形成的系数矩阵病态程度越高,就越难收敛和得到合理的计算结果.本文研究了基于Toeplitz矩阵的不同预条件的构造方法,以及对共轭梯度法收敛性的影响.通过预条件的使用,加快了共轭梯度法的迭代速度,改进了共轭梯度算法的收敛性,提高了计算的效率.数值算例和实际地震数据重建试验证明了预条件共轭梯度法对计算效率有很大的提高.

基于预条件共轭梯度法的混凝土层析成像

根据常规图像重建的共轭梯度迭代算法,提出一种预条件共轭梯度法。用一种新的预条件子M来改善系数矩阵的条件数,结合一般的共轭梯度法,导出预条件共轭梯度法。实验结果表明,预条件共轭梯度算法比共轭梯度算法具有更好的CT重建效果和消噪能力,可提高计算的精度和图像的重建质量。

求解大型稀疏线性方程组的不完全SAOR预条件共轭梯度法

预条件共轭梯度法是求解大型稀疏线性方程组的有效方法之一,SSOR预条件方法是基于矩阵分裂的较有效的预条件共轭梯度法。通过矩阵分裂,本文讨论不完全SAOR预条件方法,研究此方法的预条件因子及系数矩阵的预条件数,并证明了此方法的预条件数小于SSOR预条件方法的预条件数。最后通过求解离散化波松(Poisson)方程组表明了该方法的有效性。

基于预条件共轭梯度的超分辨图像重构方法

针对在航空航天遥感领域使用CCD相机对景物进行成像时,由于像元尺寸的限制导致图像分辨率低和混频现象严重的问题,采用超分辨率图像重构技术融合从不同角度对同一景物重复拍照得到的多帧图像冗余信息,在相机参数已知的情况下重构出超分辨率图像,消除和降低了混频效应,同时提出了快速收敛的预条件共轭梯度最优化超分辨图像重构算法.模拟成像仿真实验从9帧低分辨/率欠采样图像重构得到了分辨率提高4倍的图像.

基于GPU的稀疏线性系统的预条件共轭梯度法

研究了基于GPU的稀疏线性方程组的预条件共轭梯度法加速求解问题,并基于统一计算设备架构(CUDA)平台编制了程序,在NVIDIAGT430 GPU平台上进行了程序性能测试和分析。稀疏矩阵采用压缩稀疏行(CSR)格式压缩存储,针对预条件共轭梯度法的算法特性,研究了基于GPU的稀疏矩阵与向量相乘的性能优化、数据从CPU端传到GPU端的加速传输措施。将编制的稀疏矩阵与向量相乘的kernel函数和CUSPARSE函数库中的cusparseDcsrmv函数性能进行了对比,最优得到了2.1倍的加速效果。对于整个预条件共轭梯度法,通过自编kernel函数来实现的算法较之采用CUBLAS库和CUSPARSE库实现的算法稍具优势,与CPU端的预条件共轭梯度法相比,最优可以得到7.4倍的加速效果。

预条件共轭梯度法在线天线阵列RCS分析中的应用

为计算线天线阵列的雷达散射截面 ,用脉冲函数为基函数的 Galerkin法将线天线阵列的电场积分方程组转化为一个线性方程组 ,其系数矩阵是一个对称的二重复 Toeplitz矩阵 .用预条件共轭梯度法与快速傅里叶变换的组合算法求解该线性方程组 ,其中预条件器采用 T.Chan的循环预条件器的分块形式 .这样的处理方法降低了对计算机内存的需求 ,加快了迭代速度 。

基于ω循环型预条件共轭梯度法正则化的偏移成像

本文在傅里叶有限差分法(FFD)的基础上,通过引入正则化方法对FFD中的差分校正项进行优化,然后应用ω循环型预条件共轭梯度法(PCG)对该差分校正项进行求解。引入PCG具有如下优点:1避免使用分裂法,不会产生人为的方向差异;2可以提高二阶差分的精度,即对于PCG而言,二阶差分项的高阶展开,既不增加算子的复杂度,又几乎不会增加计算量;3可以引入快速傅里叶变换(FFT)进行快速计算,较适用于大型数据处理。本文的主要工作是通过引入ω循环型边界条件,结合正则化方法,有利于克服傅里叶变换处理中的边界效应,利用有限增加的计算量实现反演计算的快速收敛。数值计算验证了基于FFD的ω循环型PCG正则化叠前深度偏移方法的正确性及有效性。

地震波阻抗反演的预条件共轭梯度法

研究地震波阻抗线性反演求解方法。基于Cauchy准则,正则化稀疏反演问题,应用预条件共轭梯度法实现反射系数和子波同时迭代反演。在迭代求解正则化方程时,用共轭梯度法求解相应的原问题。给出初始子波估计的策略和波阻抗求解方法。用实际数据检验算法,表明预条件共轭梯度法反演的子波、反射系数和波阻抗要比直接稀疏反演精度高、收敛快、数值稳定。

预条件共轭梯度法在辐射和散射问题中的应用

用矩量法求解一些辐射和散射问题 ,如线天线辐射和线状体散射等问题时 ,可以产生一个 Toeplitz线性方程组 ,采用预条件共轭梯度法 (PCG)与快速富里叶变换 (FFT)的结合方法 (PCGFFT)来求解该方程组 ,其中预条件器采用 T.Chan的优化循环预条件器。使用 PCGFFT算法 ,可有效地节省内存 ,提高了计算速度。为说明其有效性 ,将 PCGFFT算法与 CGFFT算法以及 Levinson递推算法进行了对比。

预条件共轭梯度法在拱坝有限元重分析中的应用

以初始设计的劲度矩阵为预条件矩阵,给出了大型结构有限元重分析的预条件共轭梯度算法.该算法不需要形成和存储修改结构的劲度矩阵,占用内存小,并具有较高的精度和收敛速度.拱坝体形修改有限元分析算例表明,即使设计变量有较大改变时,该方法也能较快地收敛到精确解.

预条件共轭梯度法在大型振子阵列天线RCS分析中的应用

本文提出三重Toeplitz线性方程组预条件共轭梯度法 ,并将该法与快速付里叶变换 (FFT)结合 .这种结合算法称为PCGFFT .将PCGFFT应用于振子阵列天线的RCS分析中 .由于预条件器的使用 ,系数矩阵的条件数得到了很大改善 .数值结果表明 ,PCGFFT不仅降低了对计算机内存的需求 。

预条件共轭梯度法的实现以及一些改进

本文讨论了工程有限元分析中预条件共轭梯度法的实现，并分析了此方法的优缺点，为了提高整体的效率和改进ＬＤＬ预优矩阵的稳定性，本文提出了双参数松弛方案和按元素的绝对值确定矩阵Ｌ的分解方案，双参数松弛方案基本上解决了ＬＤＬ预优矩阵的稳定性问题，按元素的绝对值大确定矩阵Ｌ的分解方案可以改善ＬＤＬ预优矩阵的稳定性，并提高预条件共轭梯度法在整体效率。

有限差分法结合预条件共轭梯度分析三维电磁散射问题

引入预条件共轭梯度法,提出了结合频域有限差分法分析三维电磁散射问题.数值计算过程中利用Mur二阶吸收边界条件和Maxwell方程组积分形式的频域差分离散格式.作为算例,分析了理想导体金属块对平面电磁波的散射,由于使用了预条件共轭梯度法求解差分矩阵方程,从而减少了计算时间.数值结果表明了该方法的有效性.

强Wolfe线搜索下修正的全局收敛共轭梯度法

针对大规模无约束优化问题,本文提出了一个新的混合共轭梯度公式,以证明在强Wolfe线搜素的准则下以及常规假设条件下新算法的下降性和强收敛性。

GPU加速不完全Cholesky分解预条件共轭梯度法

不完全Cholesky分解预条件共轭梯度(incomplete Cholesky factorization preconditioned conjugate gradient,ICCG)法是求解大规模稀疏对称正定线性方程组的有效方法.然而ICCG法要求在每次迭代中求解2个稀疏三角方程组,稀疏三角方程组求解固有的串行性成为了ICCG法在GPU上并行求解的瓶颈.针对稀疏三角方程组求解,给出了一种利用GPU加速的有效方法.为了增加稀疏三角方程组求解在GPU上的多线程并行性,提出了对不完全Cholesky分解产生的稀疏三角矩阵进行分层调度(level scheduling)的方法.为了进一步提高稀疏三角方程组求解的并行性能,提出了在分层调度前通过近似最小度(approximate minimum degree,AMD)算法对系数矩阵进行重排序、在分层调度后对稀疏三角矩阵进行层排序的方法,降低了分层调度过程中产生的层数,优化了稀疏三角方程组求解的GPU内存访问模式.数值实验表明,与利用NVIDIA CUSPARSE实现的ICCG法相比,采用上述方法性能可以获得平均1倍以上的提升.

预条件共轭梯度反褶积的改进及其应用

预条件共轭梯度反褶积方法是结合盲反褶积的实现,运用基于Krylov子空间上优化的预条件共轭梯度法,完成反射系数的反演.用该方法处理地震资料时可提高资料频率,展宽有效频率宽度.但由于地震数据对不同频带的信噪比有差异,若直接运用该反褶积处理常伴随分辨率提高的同时出现信噪比显著降低的现象.对于此,本文采取如下方法的改进措施:①在时间域上,当地震数据的振幅较大时,对应的反褶积数据的振幅取值与原地震数据的振幅相等;②在频率域上,当地震数据的频谱幅值大于一定阀值时,对应的反褶积数据的频谱取做原地震数据的频谱.由本文所给的数值算例可以看出,此两项改进方法可取得较好的实用效果.