用于电容层析成像技术的共轭梯度算法

针对电容层析成像技术中的“软场”效应和病定问题,基于灵敏度矩阵的奇异值分解理论,提出共轭梯度图像重建算法及其改进算法———正则化共轭梯度法.仿真实验得知:经过 200次迭代后,Landweber算法残差为0. 139 5,未加正则化的共轭梯度算法残差为 1. 357 7×10-4;完成同样操作,Landweber算法迭代耗时 9. 3s,共轭梯度法只需 6. 8s.可见,共轭梯度法是一种比其他的迭代算法收敛更快、成像效果更好的图像重建算法.     

电磁层析成像系统

为了研制新型电磁层析成像(EMT)系统,提高EMT系统图像重建质量,通过对多种电磁层析成像系统的比较,尤其分析了两种典型电磁层析成像系统:单线圈激励系统和平行场激励系统的结构特点和发展过程,根据传统EMT系统的基本结构和物理原理,给出了典型EMT系统的数学模型;归纳了电磁层析成像技术中常用图像重建算法:线性反投影算法、启发式图像重建算法、ART算法和相关算法的优缺点;总结了EMT系统传感器阵列的设计特点、优于其他电层析成像系统的特点以及当前在开发中遇到的困难,对于电磁层析成像技术的发展具有指导意义,为新型系统的研制提供了理论依据.     

引入动态动量因子的共轭梯度多模盲均衡算法

为了克服传统多模算法收敛速度慢的缺点,提出了引入动态动量因子的共轭梯度多模盲均衡算法。该算法将共轭梯度方法及动量项引入多模算法中,得到了引入动量项的共轭梯度多模盲均衡算法的迭代公式。在研究动量因子变化规律的基础上,进一步引入指数函数的变形形式,构造了动量因子与误差之间的非线性函数关系。利用误差的递减规律实现动量因子的自适应减小,从而达到加快收敛速度,降低稳态误差的目的。理论分析和仿真结果均表明:提出的新算法与传统多模算法及共轭梯度多模算法相比较,能够有效地提高收敛速度,并且降低了稳态均方误差。     

Wolfe线搜索下两种修正DY共轭梯度法的全局收敛性

提出了两个修正的DY(Dai-Yuan)共轭梯度法(ZDY1算法和ZDY2算法),并证明这两个修正的共轭梯度法公式β(1)k和β(2)k在Wolfe下都是全局收敛的,其中一个在Wolfe线搜索下是下降的,另一个在不依赖于任何线搜索下充分下降。在求解大规模的非线性优化问题的过程中,这些结果对加快算法的收敛速度和增强算法的收敛性提供了理论依据。
     

改进的预处理共轭梯度图像复原算法

针对Tikhonov正则化的预处理共轭梯度图像复原算法中模糊图像取全零扩展矩阵的不足之处,研究了零边界条件下Tikhonov正则化的预处理共轭梯度算法. 提出了新的模糊图像的扩展矩阵,降低了原矩阵向量积的计算误差,修正了初始梯度的取值. 改进算法更符合真实的图像退化过程,有效提高了复原的图像质量. 实验结果表明:对于各种退化造成的模糊图像,与当前求解全变分正则化的IST、TwIST、SALSA算法比较,本文算法复原效果优于当前流行的图像复原算法.      

Wolfe线搜索下两种修正DY共轭梯度法的全局收敛性

提出了两个修正的DY(Dai-Yuan)共轭梯度法(ZDY1算法和ZDY2算法),并证明这两个修正的共轭梯度法公式β_k~((1))和β_k~((2))在Wolfe下都是全局收敛的,其中一个在Wolfe线搜索下是下降的,另一个在不依赖于任何线搜索下充分下降。在求解大规模的非线性优化问题的过程中,这些结果对加快算法的收敛速度和增强算法的收敛性提供了理论依据。     

一类新型的修正WYL共轭梯度算法

针对大规模无约束优化问题,提出一类新型的修正WYL共轭梯度算法。新算法不依赖任何线搜索且具有充分下降性和信赖域性质,在弱Wolfe-Powell线搜索下全局收敛。初步的数值实验结果表明,新算法是有效的,比经典WYL型共轭梯度法更具竞争性。     

有界约束非线性方程组的修正三项HS投影算法及应用

为了加快大规模有界约束非线性方程组的求解,在三项HS共轭方向的基础上,构造出一个新的搜索方向,基于共轭梯度法和投影方法,提出了一种求解有界约束非线性方程组问题的修正三项HS投影共轭梯度算法.在温和的假设下,证明了新算法的全局收敛性质.数值算例表明新算法对求解大规模有界约束非线性方程组是有效且稳定的,并将其成功地应用于求解图像恢复问题.     

LP鞍点共轭梯度法的研究与实现

在线性规划问题中,为了提高算法的求解速度,快速得到最优解。对鞍点算法,共轭梯度法进行了深入研究与分析。针对鞍点算法在逼近鞍点时收敛速度变慢的缺陷,将计算比较简单且有限步迭代即可收敛的共轭梯度法成功的应用于鞍点算法中形成了一种新的算法—鞍点共轭梯度算法。以c 为开发工具,在计算机上实现了该算法,并编成一个解题系统能够快速求解线性规划问题。实验结果表明相对于鞍点算法,用鞍点共轭梯度算法计算,解题时间效率明显提高。     

距离观测方程非线性平差的正则化共轭梯度法

基于稳定泛函约束思想,推导了距离观测方程非线性平差的正则化共轭梯度法.该算法将稳定泛函约束作用于共轭梯度法,解决了共轭梯度法求解病态测距定位方程的不稳定甚至不收敛的问题,提高了正则化数值算法的收敛效率,最后采用模拟数据和水下定位实测数据进行了验证.实验结果表明,该算法具有较好的收敛稳定性,收敛效率优于迭代正则化算法.