基于查找表和Newton插值算法的正余弦函数的FPGA实现

正余弦函数在任意次谐波电流的无锁相环ip-iq检测法中有着重要应用。提出了一种基于查找表和Newton插值算法相结合的正余弦函数的实现方法,给出了具体计算公式和RTL级方框图;与查表法和CODIC算法相比,该方法所需时钟周期少(只需120个时钟周期),精度高(可达±1LSB),占用资源少(只需483个LE单元)。在Altera公司的Cyclone系列FPGA器件EP1C6Q240C8上完成了硬件验证,最终应用到某谐波检测ASIC设计中。

声波测长单片机系统及Newton插值算法的研究

本文介绍一种利用声波测量管长的单片机系统，测量精度可达2‰～3‰，且有较强的抗干扰能力。系统的微机部分用89C51单片机，并用Newton插值算法来补偿其非线性。

用聚类与插值改进深度学习算法实现变工况轴承故障诊断

针对基于深度学习轴承故障诊断模型由于工况因素导致诊断效果不佳的问题,提出了一种用聚类与插值(Clustering and interpolation,CAI)改进深度学习算法实现变工况轴承故障诊断的方法。首先,采用有限元法仿真多工况、多故障类型的轴承振动信号数据,获取足够样本;然后,完成宽卷积核深度卷积神经网络(Deepconvolutionalneuralnetworks with widekernel,WDCNN)模型构建,并利用任一工况下的数据完成模型训练;最后,利用CAI算法统一其余工况数据的转速信息,调用WDCNN模型完成对其余工况样本的故障诊断。结果显示,WDCNN模型对训练数据所属工况故障诊断准确率达99.9%,对经过CAI算法处理其他工况数据故障诊断识别率分别为98.7%、99.2%,是一种简单、准确有效、泛化能力强的故障诊断方法。

基于空间插值的不规则海洋地质样品测试分析数据聚类算法研究

海洋地质调查中获取大量海洋沉积物柱状样样品测试分析数据,样品测试分析目的不同导致柱状样数据采样深度不同,由此造成地质取样数据在三维空间上呈现不规则散点状分布。传统聚类算法无法在三维空间上对此类不规则散点数据进行聚类分析。对此,文章设计了一种基于空间插值的不规则地质样品测试分析数据聚类算法,有效地将三维样品测试分析散点数据降为二维数据后进行聚类分析,本算法较好地解决了地质体中试验测试数据的不均衡性问题,为海洋地质大数据分析提供了基础技术方法。

自适应Newton-Thiele有理插值及应用

二元连分式插值是二元有理插值的重要组成部分;文章在前人研究的基础上,对Newton-Thiele有理插值构造过程进行改进。针对Newton-Thiele有理插值在插值过程出现逆差商不存在的情况,传统的解决方法是将相应的Thiele型插值连分式转换为Newton插值多项式,然而该处理方法会导致计算复杂度的增加。借鉴相关文献在一元有理插值上的选点方法,文章给出一种带终止条件的自适应贪婪选点算法,即在给定插值点中根据自适应条件筛选出局部点对函数进行构造,以提高Newton-Thiele有理插值函数构造过程的稳定性,提升运算效率。对非线性函数的插值结果表明:该算法的插值效果较好、误差较小;同时将该算法应用到图像修复中,并与其他相关算法的修复效果进行对比,进一步验证了该算法的有效性。

基于动态门限与自适应插值的外引导平滑算法

为了实现靶场光电经纬仪外引导数据的实时平滑,确保外引导数据驱动下光电经纬仪稳定获取图像,提出基于动态门限的野值处理算法和基于自适应插值的处理算法。对于外引导数据中的野值,提出一种利用影响函数动态计算样本方差的方式,构建动态判别门限实时完成野值的处理;对于外引导数据的插值处理,判断插值计算的连贯性,并将外引导的“卡顿”数据进行分类,采取不同的策略实时自适应插值。实验结果表明:基于动态门限的五点外推野值剔除方法,野值检测率平均在80%以上,同时虚警率较低;插值处理算法能同时应对卡顿与非卡顿的外引导数据,处理结果平滑连贯。算法已成功应用于海军某观测站的光电经纬仪,满足了靶场弹道测量系统的需要。

基于同心方形网格插值处理的柱面SAR成像算法

柱面毫米波合成孔径雷达(CSAR)是近距离非接触成像领域的重要技术之一。基于傅里叶变换理论的高分辨成像算法需要通过2维插值消除波数域数据在方位维和距离维的非均匀性。但是这两个维度呈现出同心圆环状的高度耦合,导致传统基于2维逐点遍历的插值方法时间复杂度高,成像算法效率低。为此,该文基于解析解的CSAR成像算法推导,提出了同心方形网格的插值分解方法。通过补0、径向1维插值和分区处理消除波数域方位维和距离维的强耦合性,并在两个分区进行独立的1维插值实现2维非均匀波数域的均匀重采样,获得最终同心方形环带均匀填充的波数域样式。通过实验验证了所提算法能有效降低2维插值的时间复杂度,并且所提算法插值处理速度比传统算法提升了7倍,与算法复杂度理论分析结果吻合。

简单地质条件下钻孔数据地质建模的插值算法对比研究

以目前常用的克里金插值,反距离加权插值,最小曲率插值和改进谢别德法四种插值方法对陕北某矿区钻孔数据进行空间插值并进行对比验证分析,以相关系数R2,均方根误差ERMS,平均绝对误差EMA作为精度指标,分析对比四种算法在实际应用中的插值效果,证明最小曲率算法是在该地质条件下的最佳插值算法。之后,再次使用该算法在陕西咸阳彬州区某矿进行了验证,也取得了较好的插值精度和稳定性。

无人机DEM测点插值算法的矿区沉陷测绘技术

为实现对矿区沉陷深度的精准测量,完善测绘技术的具体实施方案,针对无人机DEM测点插值算法的矿区沉陷测绘技术展开研究;根据DEM测点获取结果,实施分维值测定处理,再以此为基础,确定插值拐点所处区域,实现对无人机DEM测点插值算法应用流程的完善;联合像控点布设原则,定义空中三角区域,并通过推导径向插值基函数的方式,建立矿区沉陷区域的地理模型;在空间坐标系转换条件的基础上,确定矢量数据叠加的处理结果,再结合像片倾角与旋偏角的实际取值,求解测量精度评价指标,完成无人机DEM测点插值算法的矿区沉陷测绘技术实施方法的设计;实验结果表明,上述测绘技术方法作用下,沉陷深度测量结果与矿区真实沉陷深度之间的差值不超过1 m,符合精准测量的应用需求,对于测绘实施方案的完善可以起到一定的促进性影响作用。

基于随机森林算法的荆州市降水量空间插值研究

精确的降水量空间分布式信息对气象灾害预警和水资源管理至关重要。文章以荆州市观测降水量资料为基础,构建基于随机森林(RF)的降水量插值模型,对荆州市降水量进行空间插值。结果显示,2022年荆州市降水量介于726.00~1269.00mm,呈现中等程度离散性。观测降水量与协变量之间呈非线性复杂关系,所使用的环境变量具有一定解释意义。基于该模型插值得到荆州市降水量呈现东西部高、中部低的地带性特征。结果可为类似地区的降水量插值研究提供参考。

支持向量机回归算法的唐山市降水量空间插值研究

针对传统插值方法在处理小样本和非线性问题上的不足,运用支持向量机回归(SVR)算法对唐山市降水量进行空间插值研究,提出了SVR算法的解决方案,以提高降水预测的准确性。通过收集2020年唐山市32个气象站点观测数据,提取经度、纬度、经纬度乘积、海拔、坡度、坡向和GPM等参数作为特征变量,并利用SVR算法建立降水量空间插值模型。研究结果表明,SVR在解决小样本和非线性问题上具有显著优势,能够有效分析多维变量对降水量分布的影响;验证显示其插值精度R2为0.79, MAE和RMSE分别为33.57mm、39.29mm,该精度在可接受范围内。通过SVR插值法生成精确的降水量分布式信息,可为唐山市旱涝减灾、水资源利用及生态保护提供科学数据支持。

一种Newton插值的RFID室内定位改进算法

介绍了基于RFID的两种室内定位算法LANDMARK算法和VIRE算法。针对VIRE算法的不足,提出了一种结合Newton插值和利用历史结果对定位值进行校正的改进算法。它通过Newton插值来适应求解模型中存在的非线性特性,并以待定位标签的历史值作为参考,不断修正测量值来减小干扰对定位精度的影响。实验证明在复杂环境下,与VIRE算法相比,改进算法在定位精度上有了显著的提高。

Lagrange、Newton、Hermite插值法MATLAB算法比较研究及应用

插值法是函数逼近的一种重要方法.通过对Lagrange、Newton及Hermite插值法的构造原理、余项误差,及相应的MATLAB程序和应用实例等方面的对比研究,得出三种插值法各自的优劣性,使得这三种插值法在更广泛的领域得到应用.

融合混沌映射和二次插值的自适应鲸鱼优化算法

针对鲸鱼优化算法(whale optimization algorithm,WOA)易陷入局部最优,收敛速度慢和寻优精度低等问题,提出一种融合混沌映射和二次插值的自适应鲸鱼优化算法(adaptive whale optimization algorithm based on chaotic mapping and quadratic interpolation,CQAWOA)。引入混沌映射在初始化阶段生成新种群,实现种群多样性;设计自适应权重,提高算法全局搜索和局部寻优能力并加快收敛速度;利用二次插值策略生成新的鲸鱼个体,采用贪婪策略更新局部最优解,提高种群计算的精度。通过15个基准函数将改进算法与其它优化算法进行对比测试,测试结果验证了在求解过程中,改进算法寻优速度和求解精度均存在显著提升。

粒子群局部优化的反距离权重插值算法

参考点与参数的选取会对反距离权重(IDW)的精度产生影响。针对多参数协同优化反距离权重算法(PIDW)忽略局部特性的问题,提出一种利用粒子群对IDW进行局部优化的改进算法——PLIDW。首先,分别对研究区域中各个样本点的参数进行寻优,利用交叉验证方法进行评估,记录各自最优取值的一组参数;同时,为提高查询效率,使用K维树(KD-Tree)保存空间位置与最优参数;最后,根据空间邻近程度从K维树选取最近的一组参数优化IDW。基于模拟数据与真实的温度数据集上的实验结果表明,相较于PIDW,PLIDW在真实数据集上的准确度提高4.18%以上,改善了PIDW存在的因忽略局部特性导致部分场景准确度低的问题,适应能力更强。

顾及地球物理效应的GNSS高程时间序列AdaBoost预测和插值方法

传统的GNSS高程时间序列预测和插值方法仅考虑时间变量,具有明显的局限性。本文顾及地球物理效应的影响,通过温度、大气压强、极移等数据和GNSS高程时间序列数据构建回归问题,使用自适应提升(AdaBoost)算法建模。为了验证模型的预测和插值性能,试验选取4个GNSS站的高程时间序列进行分析。建模试验表明,相较于Prophet模型,AdaBoost模型的拟合精度提升了约35%;预测结果表明,在12个月的预测周期内,AdaBoost模型在4个GNSS站的MAE值为4.0~4.5 mm,RMSE值约为5.0~6.0 mm;插值试验表明,相较于三次样条插值方法,AdaBoost插值模型的精度约提升了15%~28%。预测和插值试验表明,顾及地球物理效应的AdaBoost模型可以应用于GNSS高程时间序列预测与插值。

改进海洋捕食者算法和插值平滑的机器人路径规划

鉴于传统的智能优化算法(intelligent optimization algorithm,IOA)不能很好解决插值平滑的机器人路径规划(robot path planning,RPP)问题,以及最近提出的海洋捕食者算法(marine predators algorithm,MPA)的优势和不足,提出了一种改进的MPA,即提升信息交流的MPA(interchange enhanced MPA,IEMPA),用于解决RPP。首先提出一种融合趋向全局最优的反向学习策略用于随机选择一个捕食者的位置更新,以便降低陷于局部最优的概率;然后提出了一种三阶段最优引导最差策略来强化最差个体以便提升整个群体和提高搜索能力;随后,提出一种信息共享策略用于捕食前期以进一步提高算法的搜索能力;最后将IEMPA用于插值平滑的RPP中。大量的多场景RPP问题的优化实验结果表明,与MPA等优秀算法相比,IEMPA搜索能力更强、精度更高、收敛速度更快,能更好地处理RPP,可应用到在其他复杂优化问题上。

基于改进鲸鱼算法的搬运机器人运动规划

针对搬运机器人搬运效率不足、稳定性效果不好等问题,使用改进鲸鱼优化算法的时间最优运动规划方法进行解决。首先将机器人模型导入MATLAB中,根据相关算法计算出机器人的空间范围,从空间范围中选取实际目标点并转换到关节空间,在关节空间中使用“四次-三次-四次”插值多项式构造机器人的轨迹,然后将各关节的角速度、角加速度作为约束条件,采用改进的鲸鱼优化算法对轨迹进行优化,缩短机器人运行时间。通过仿真实验,改进的鲸鱼算法较PSO算法规划时间缩短约30%,较标准的鲸鱼算法规划时间缩短约17%,有效提升了搬运机器人在搬运方面的效率和稳定性。

一种基于激光点云数据的微距栅格体积算法

针对规则格网算法难以满足激光点云模型高精度体积计算的问题,提出了一种基于激光雷达点云数据的微距栅格体积算法。该方法首先运用葛立恒凸包算法提取凸包点集,然后运用微距格网划分、高程插值和网格体积累加的方法计算体积。与规则格网法不同,这种算法充分利用激光雷达数据高密度点云特征,采用格网微分和增大插值半径的方法改善模型表面的连续性,进而提高计算精度。实验结果表明,微距栅格体积算法具有较好的时间复杂度和较高的计算精度,适宜于激光点云模型高精度体积计算。

面向大区域碳卫星数据的分布式Kriging插值算法优化

针对基于原生Kriging算法在大区域尺度上对碳卫星数据进行插值时存在的计算耗时长、并行加速难等问题,对Kriging插值算法进行调整,优化其中的关键计算环节,并根据数据特征与时序依赖关系对插值过程进行拆分重组,细化插值粒度,将其构建为可在分布式环境下并行执行的DAG结构工作流,最后基于一套双层架构的DAG任务调度引擎实现整个插值工作流在分布式环境下的并行加速。实验结果表明,在不同区域尺度上,以上方法框架均具有较高的插值效率,与Spark相比,在大区域尺度上具有明显的速度优势。