基于有约束L_(1/2)范数稀疏正则化的声源识别方法

基于等效源法(equivalent source method,ESM)的近场声全息(near field acoustic holography,NAH)是一种有效的声源识别技术。然而,针对空间稀疏分布的声源识别问题,传统基于L_(2)范数以及基于L_(1)范数的ESM方法分别存在声源幅值被低估与算法稳定性差等问题。因此,提出了基于有约束L_(1/2)范数稀疏正则化的声源识别方法,该方法具有强稀疏性与强抗干扰的优势,可以解决传统方法的声源识别精度低的问题。通过数值模拟试验以及普通室内的实测实验,验证了方法的有效性。

基于L_(1/2)范数的非局部PCA泊松噪声图像恢复改进算法

为增强NLSPCA(非局部稀疏主成分分析)算法对去除图像泊松噪声性能,提高图像块聚类精确度,增大字典下的表示系数稀疏性,改善恢复图像易模糊等问题,提出基于L_(1/2)范数的非局部PCA泊松噪声图像恢复改进算法(L_(1/2)-NLSPCA)。新算法首先对图像分割成重叠块;其次采用设计的自适应Bregman K-means算法对分割的图像块聚类;最后使用PCA构建基于L_(1/2)范数的非局部字典下的稀疏表示系数,对聚类后的图像块分组进行去噪重构。实验结果表明,L_(1/2)-NLSPCA算法与基准算法相比峰值信噪比(PSNR)提高了0.52~2.57 dB,在视觉上纹理细节更清晰。

基于压缩感知的反射系数域沿层L_(2)范数约束去强屏蔽方法

常规的压缩感知方法均是基于反射系数稀疏反演提高地震资料分辨率,而对于强屏蔽层信息和储层弱信息耦合叠加情况而言,效果并不理想,原因在于在剥离强反射层的同时往往会损失弱反射层的信息,从而不能有效预测储层。为此,基于压缩感知稀疏表示能力强的特点,利用反射系数域分辨率高和不存在子波重叠的优势,提出了基于压缩感知的反射系数域沿层L_(2)范数约束去强屏蔽方法。该方法基于压缩感知理论,首先根据时域反射系数域稀疏特性,利用沿层信息分离强屏蔽层与储层,再进行稀疏反演,最后将去强屏蔽后的反射系数与原子波褶积,从而获得去强屏蔽层的高分辨率结果。其优势在于高分辨率的反射系数能够分离强屏蔽层与储层的信息,有利于拾取和剥离强屏蔽层。模型测试和实际地震资料的应用表明:利用所提方法可以精准分离强屏蔽层反射信息与储层弱反射信息,提高储层识别精度;在剥离强屏蔽层的时频切片上,可以看见表征储层的弱能量团,并出现低频伴影现象;在剥离强屏蔽层的沿层能量半时属性切片上,能量半时属性与滩坝砂体储层的相关性较好,可以有效识别有利储层区域。

基于L_(2,1)范数正则化矩阵分解的图像结构化噪声平滑算法

图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该缺陷,本文引入L_(2,1)范数将结构化噪声情形下的图像去噪问题建模为一类L_(2,1)范数正则化矩阵分解问题,并由此提出一种基于L_(2,1)范数正则化矩阵分解的图像结构化噪声平滑算法(L21NRMD)。仿真实验结果表明,在基本保持椒盐噪声去除效果的前提下,该算法可有效去除不同比例的结构化噪声,PSNR性能指标值介于69-80dB之间,差错率为0.06-0.14,较现有算法具有更好的适应性和更广的应用范围。

基于l_(1)-l_(2)范数的高分辨率时频分析方法及应用

本研究提出一种基于l_(1)-l_(2)范数的稀疏约束类时频分析方法,以提高信号时频分析的精度.稀疏约束类时频分析方法通过窗口类时频分析的逆变换构造反演方程,使用稀疏范数约束每个时间点的频谱,从而提高时频谱的分辨率;常用约束包括l_(1)范数、l_(p)范数等,近几年l_(1)-l_(2)范数被证明稀疏约束能力强于l_(p)范数,被广泛的应用于地震数据处理高分辨率、反演等问题中.本文基于压缩感知理论,使用l_(1)-l_(2)范数约束频谱,基于交替方向乘子法(ADMM)进行反问题的求解,得到基于l_(1)-l_(2)范数的高分辨率时频分析方法,并将其应用于地震频散属性的计算中.模型分析表明,本研究提出的基于l_(1)-l_(2)约束时频分析具有高时频聚焦性,高抗噪性,适用于地震信号的时频分析.实际数据表明,基于l_(1)-l_(2)范数的时频分析具备高时频分辨率,联合纵波频散属性,使得该方法可以清晰刻画储层的范围,准确指示气藏.

基于L_(1/2)范数的单比特SAR成像重建算法

单比特技术在合成孔径雷达成像上具有良好的抗噪性,大多数单比特重建算法使用L_(1)或L_(2)范数作为稀疏正则化。文中提出了能获得更好稀疏解的L_(1/2)范数,使用交替方向乘子法对回波信号进行重构,通过仿真实验和实际回波图验证了其性能。相较于固定阈值,变阈值能保留目标反射系数的一部分幅值信息,因此文中进一步使用了自适应阈值来最大程度地接近回波数据。仿真结果显示:与时变阈值算法相比,恢复出的图像与原图像的误差更小,并且在L_(1/2)范数下具有更加明显的效果,在低信噪比时,自适应阈值相较于时变阈值也展现出了更好的性能。

基于l_(2)/l_(q)(q=2/3)最小化模型的块稀疏信号恢复

该文主要研究了块稀疏信号的恢复问题.利用q-块限制等距性质(0<q≤1),通过极小化混合l_(2)/l_(q)(q=2/3)范数,建立了块稀疏信号恢复的一个充分条件,并且得到了在有噪声情形下信号恢复的误差界.通过数值实验,验证了该模型对于块稀疏信号的恢复有较高的成功率.

通过混合l_(2)/l_(1)范数最小化实现块稀疏信号恢复

块稀疏信号恢复问题在很多领域都有非常重要的应用.将Karmalkar用于处理稀疏信号问题的方法推广至块稀疏信号,研究带噪声的块稀疏信号恢复问题,通过混合l_(2)/l_(1)范数最小化和高斯矩阵的性质,可以得到最小测量误差,精确地恢复块稀疏信号.

L_(2)稀疏超图正则非负矩阵分解的图像聚类算法

非负矩阵分解(NMF)方法在计算机视觉、模式识别、数据表示或聚类问题中有着重要作用。基于传统NMF算法提出了一种带有L_(2)稀疏约束和超图正则的非负矩阵分解(SHGNMF)方法。其优势在于考虑了数据集的内在几何信息和稀疏性。具体内容如下:首先,在NMF中加入了超图正则项,同时保持数据集的内在几何结构信息。其次,将L_(2)稀疏约束项引入NMF中,产生更加稀疏精确的解,并证明该算法是收敛的。最后,在公开数据集对图像进行聚类,数值实验结果表明,该方法是有效的。

基于联合仿真的飞机着陆机场跑道桥动载特性研究

为研究飞机着陆滑跑过程中冲击作用对机场桥梁动力响应的影响,以某拟供C类飞机使用的跑道桥为研究对象,以Boeing 737-800机型为例,首次基于有限元软件与多体动力学软件相结合的联合仿真技术建立了机-桥耦合模型,精细化模拟了飞机以不同的着陆姿态在桥梁上着陆滑跑的全过程。在验证机-桥耦合模型准确性的基础上,系统讨论了飞机着陆质量、下沉速度、俯仰角及滚转角等参数对桥梁动力响应的影响程度、影响规律,并明确了桥梁动力系数的分布范围。研究结果表明:飞机着陆冲击作用下,桥梁动力系数的主要分布区间为1.26~1.62;桥梁动力系数随着陆质量、下沉速度、滚转角增大而增大,随接地速度、俯仰角增大而减小;飞机下沉速度的影响最为显著,当下沉速度从1.00 m/s增大到3.05 m/s时,动力系数从0.98增大到1.87,增幅高达90%。跑道桥的设计需合理考虑飞机着陆滑跑过程的动载作用。

基于LLE的边缘保持图像平滑算法

现有全局优化算法都使用不同范数约束输出图像梯度来实现图像平滑,但会牺牲图像中的弱结构信息来达到较好的平滑性能,导致输出图像出现颜色失真和细节模糊的情况。针对上述问题,提出一种基于LLE的边缘保持图像平滑算法(edge preserving image smoothing algorithm based on LLE,Ep-LLE),引入局部线性嵌入(LLE)的思想作为优化函数的正则化项并采用L_(2)范数进行惩罚。该方法利用图像局部区域内像素存在的相互关系,通过约束局部相似以实现图像平滑任务。最后通过各个算法的实验对比验证,基于LLE的边缘保持图像平滑算法能在实现图像边缘保持平滑的同时,保留图像局部结构特征,并有效避免区域内颜色一致导致的边缘阶梯状现象,避免图像颜色失真。

PPLS与稀疏鉴别流形正则化的双模型协同宽度神经网络

宽度神经网络(broad neural networks,BNN)被认为是继深度神经网络之后的一种主流机器学习算法,然而BNN没有考虑数据不确定性及局部几何结构信息。为此,提出概率偏最小二乘(probabilistic partial least square,PPLS)与稀疏鉴别流形正则化的双模型协同宽度神经网络建模方法。该方法首先使用PPLS对BNN输入特征以及增强特征构成的高维数据提取低维隐藏变量,消除数据不确定信息以及冗余特征;基于稀疏表示方法自适应构建样本局部与非局部近邻矩阵,并结合PPLS模型投影矩阵,提出一种新颖的融合模型信息迁移、鉴别流形正则化以及l_(2,p)-范数约束的BNN建模方法,有效增强BNN模型的鲁棒性、建模精度,同时消除数据的随机不确定性;最后给出迭代优化求解方法获取模型最优参数。在不同规模数据集、不同光照和角度图像数据集对所提算法进行仿真验证,结果表明该算法对不同规模数据集均能取得满意的效果;对图像数据集仿真结果表明其具有很强的鲁棒性和泛化性能。

基于L_(1/2)范数的扇束X射线荧光CT重建

X射线荧光CT(XFCT)作为一种分子成像模式,存在着扫描时间长、辐射剂量大的问题,通常通过增大投影间隔、减少投影数量的稀疏投影方式来降低扫描时间与辐射剂量.因此,为在较少投影数量和较少迭代次数下提高重建图像质量,提出一种基于L_(1/2)范数的XFCT重建算法.数值模拟实验结果表明:在较少投影数量和较少迭代次数下,所提基于L_(1/2)范数的XFCT重建算法与传统Maximum Likelihood Expectation Maximization算法相比,其重建图像的均方根误差更小,全局图像质量索引更接近1,达到在较少投影数量和较少迭代次数下提高重建图像质量的目的.

红外图像多尺度统计和应用先验去模糊模型

为了提高特定应用场景的红外导引头成像质量,采用了统计导引头图像对成像环境和应用场景建模的方法,一方面用L 1/L 2范数对复原图像进行约束,保持多尺度成像细节信息;另一方面用稀疏的拉普拉斯分布对迭代模糊核进行约束,保持对红外成像内容的约束,并采用计算图像细节信息进行了自适应变化核。结果表明,建立的图像复原约束模型能有效地提升成像质量,凸显图像边缘,其对比度增强系数指标提高了20%~50%,峰值信噪比提高了0.8~3.4,图像像素的模糊检测累积概率提高了0.3~0.5。该研究对复杂场景和动载体成像处理有一定的帮助。

基于改进各向异性扩散的图像去噪算法

针对纹理等细节信息丢失和图像边缘退化的问题,本文提出了一种基于l_(2)范数的改进各向异性扩散模型。本文首先将PM模型和LCC模型相结合,根据图像梯度的变化,构建局部图像梯度模值与扩散强度之间的关系,不同的梯度模值选择不同的扩散函数;然后利用l_(2)范数确定扩散函数中的梯度阈值,进一步提高去噪模型的泛化能力。实验结果表明,该模型不仅可以解决传统PM模型存在的孤立点问题,而且能够有效地保护图像边缘特征和轮廓结构的完整性,与原始算法相比图像信噪比提升了1.47~1.57 dB,结构相似度提高了17%,在保证去噪效果的同时提高了去噪效率。

高超声速飞行器线性变参数一体化式控制律设计

针对高超声速飞行器的三维航迹控制问题,采用线性变参数(LPV)输出反馈控制和极点配置理论,基于高度-水平航迹控制概念,在马赫数包线内设计高超声速飞行器一体化式LPV控制律.该控制律不区分常规飞行控制律的内外控制回路,根据速度、高度、侧滑角和偏航角指令对飞行器纵向和横航向运动进行综合控制,在L_(2)诱导范数意义下实现飞行器三维航迹的鲁棒最优控制.在地心地固参考系内建立高超声速飞行器的数学模型,考虑地球自转、地球扁率、地球引力二阶简谐效应对飞行器运动特性的影响.通过数值仿真检验LPV控制律的控制性能,仿真结果表明:高超声速飞行器闭环系统具有D-稳定性,能够在典型机动中保持良好的航迹控制性能,并且在扰动和测量噪声下具有良好的鲁棒性.

基于改进半阈值算法的电容层析成像滑油监测方法研究

针对航空滑油检测过程中电容层析成像(Electrical Capacitance Tomography,ECT)存在的病态性和欠定性问题,将稀疏正则化中基于L1/2正则化的半阈值迭代算法应用到ECT图像重建,加入L2范数的惩罚项,构造新的泛函模型,并在迭代过程中设计一种新的约束项以优化解向量。仿真实验采用Comsol 5.3搭建系统模型,Matlab 2014a处理采集数据。实验结果表明,与Landweber迭代算法相比,改进算法成像误差降低37.33%,相关系数提升33.67%;与半阈值迭代算法相比,改进算法成像误差和相关系数分别降低12.31%和提升11.86%,图像误差降低至0.24,相关系数提升至0.92,且成像时间依然保持在0.06s。实际滑油监测的实验系统采用现场可编程门阵列(Field Programmable Gate Array,FPGA)直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号对测量电极进行激励。实验结果表明,基于ECT系统的改进半阈值迭代算法可以满足航空发动机滑油监测的实时性和准确性的要求。

基于自适应相似性的无监督多视图特征选择

为解决传统特征选择方法忽略视图内部特征的相关性及不同视图之间的特征关联性问题,提出一种基于自适应相似性的特征选择学习方法。在特征选择时考虑视图内部的特征相关性,对每个视图进行特征选择,通过引入图正则化,充分利用数据的局部几何特性,使同类别特征之间的联系更加紧密,达到增强算法的鲁棒性。引入L_(1/2)稀疏范数降低噪声,提高分类模型的准确率。通过与现有的特征方法进行对比分析,提出方法在ACC和NMI上优于其它方法。

基于四元极谐变换矩与显著特征的图像鲁棒哈希算法

为了增强哈希序列对各种几何变换攻击的鲁棒性,设计基于四元极谐变换矩与显著特征的图像鲁棒哈希算法。引入线性插值与自适应Wiener滤波器,实现初始图像的预处理;计算预处理图像的颜色向量角度,并基于Fourier变换,得到其对应的幅度信息,以获取两个不同的频谱;计算两个频谱的残差,确定图像中的局部显著性区域;通过LBP算子,提取显著特征;基于四元极谐变换(Quaternion Polar Harmonic Transform,QPHT),获取预处理图像的QPHT矩;联合显著特征与QPHT矩,形成过渡哈希数组。引入Logistic映射,定义加密函数,实现对过渡哈希数组的加密,输出最终的哈希序列,以增强其抗碰撞性能。测量源图像与可疑图像之间的哈希序列所对应的l_(2)范数距离,并将其与优化阈值比较,对图像的真实性做出判断。在多种几何变换攻击下完成测试,输出数据显示:较当前准确性较高的哈希方法而言,该算法具有更理想的鲁棒性与识别准确率。

Riesz空间分数阶对流-扩散方程的一种新型Crank-Nicolson有限体积法

分数阶微分方程作为整数阶微分方程的推广,近年来被广泛应用于科学和工程领域,从而受到越来越多学者的关注.本文提出一种新型Crank-Nicolson有限体积方法求解具有Dirichlet齐次边界的Riesz空间分数阶对流-扩散方程.为了得到Riesz空间分数阶对流-扩散方程的离散格式,在时间层上,利用Crank-Nicolson方法对一阶时间偏导数进行离散.在空间层上,利用有限体积法近似对流项的一阶空间偏导数和扩散项的Riesz空间分数阶偏导数.更进一步,我们也得到了该Crank-Nicolson有限体积离散格式的稳定性和收敛性两个主要理论结果.证明了该离散格式是无条件稳定的,以及在离散L2-范数下的收敛阶为O(h2+τ2),其中h和τ分别为空间和时间上的步长.最后,通过数值试验验证了该离散格式理论结果的正确性.