基于稀疏约束非负矩阵分解的水下线谱增强方法

水下目标线谱增强是被动声纳目标探测的关键问题之一。传统的线谱信号处理方法集中于时域和频域处理,本文提出了利用非负矩阵分解,在时频联合域内进行线谱信号增强的处理方法,以目标线谱信号的时频矩阵作为非负矩阵分解的输入,通过基矩阵提取线谱信号的频谱模式。根据线谱信号在频域的稀疏性质,对基矩阵进行稀疏性约束,利用权重稀疏扫描的方式讨论基矩阵的稀疏度和频率估计精度随权重系数的变化关系,确定稀疏约束项的有效权重系数区间。仿真结果显示,稀疏约束项在低信噪比条件下表现出优越的线谱增强能力,最低信噪比可达-30 dB。海试数据结果表明,此方法可以有效地提高对线谱信号的提取能力。     

2型FIR高阶数字滤波器优化设计

研究了2型FIR线性相位滤波器的幅频特性与激励矩阵为CTB的神经网络并行算法之间的关系,提出并证明了该神经网络算法的收敛性定理,给出了FIR高阶数字滤波器优化设计实例.计算机仿真结果表明了该神经网络并行算法在FIR高阶数字滤波器优化设计领域的有效性.     

大型结构传递矩阵法的并行算法

根据MIMD型机的并行环境,提出了大型结构动力分析中传递矩阵法的并行算法,并给出了具体的计算格式。     

一种因子化的稀疏矩阵转置算法

在定义了二元组结构的基础上,对稀疏矩阵中非零元素的行、列坐标值进行因子化,以此实现了一种新的稀疏矩阵压缩存储结构.并在应用该压缩存储结构的基础上,提出了一种稀疏矩阵转置操作的改进算法.该算法较传统算法而言,在时间复杂度不变的前提下将空间复杂度降低了30％.     

稀疏矩阵的存储结构和乘法运算

用邻接表作为稀疏矩阵的存储结构，并提出了求稀疏矩阵乘积的两个算法．算法具有效率高，实现简单，且只需要很少的辅助空间等特点．     

人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。     

一类非线性方程组的Newton—GPHSS方法

广义的预条件HSS（GPHSS）迭代方法是求解大型稀疏非Hermite正定线性代数方程组的有效方法．将其作为不精确Newton方法的内迭代求解算法,本文提出了一类Jacobi矩阵在解X^＊处为大型稀疏非Hermite矩阵的非线性方程组的Newton—GPHSS方法,给出了这类不精确牛顿法的局部收敛性定理．大量数值实验证明了该方法是正确有效的．     

三相稀疏矩阵变换器仿真研究

介绍了三相稀疏矩阵变换器的仿真研究的基本原理、控制策略、零电流变换方法,最后给出了基于SIMULINK的仿真波形.     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

Cholesky分解在协方差矩阵恢复中的使用

针对基于稀疏扩展信息滤波的同步定位与地图创建(simultaneous localization and mapping,SLAM)问题,分析并比较了最近邻数据关联、极大似然数据关联以及联合相容性检验数据关联的原理,阐述了边缘协方差矩阵恢复的必要性.在此基础上提出一种利用Cholesky分解由信息矩阵准确恢复协方差任意元素的方法,该方法具有较高的计算效率.在仿真实验中将该方法与协方差边界估计法比较,并分别用于3种数据关联算法的比较分析,表明所提出的方法适用于多种数据关联方法,能在保证定位精度的同时有效控制算法复杂度.最后对各种数据关联算法在稀疏扩展信息滤波SLAM中的性能进行了讨论.     

带尺度整数DCT及其快速算法

通过提出一种DCT矩阵的稀疏分解方法得到了带尺度整数离散DCT的概念与快速算法．整数DCT算法完全通过整数加法和移位来实现,可以无损地表示信息,同时其算术运算量比传统的DCT算法具有大幅度的减少,因此,方法非常适合于硬件的实时实现．基于带尺度整数DCT的图像压缩实验验证了算法的高效特性．     

广义Sylvester矩阵方程AX-XF=BY的显式解

给出了广义Sylvester矩阵方程AX-XF=BY当F为任意矩阵时的一种完全的解析通解.该通解由矩阵对(A,B)构成的能控性矩阵,一个对称算子矩阵和矩阵对(Z,F)构成的能观性矩阵组成,这里Z是一个任意的参数矩阵,用来表征该方程的解的自由度.利用著名的Levverrier算法,该解析解的一个等价形式被给出.给出的结果是参考文献[13]的推广,在[13]中F被假设为友矩阵.     

一类新的广义同步与异步并行矩阵多分裂松弛算法(英文)

对于并行求解大型稀疏线性代数方程组的同步与异步并行矩阵多分裂向前向后松弛算法,提出了分别适用于ＳＩＭＤ和ＭＩＭＤ多处理机系统的有效变型;并在通常条件下,建立了它们的收敛理论．     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

稀疏化递归Cholesky分解预条件技术加速PO-MoM迭代求解

提出了一种新的稀疏化递归Cholesky分解预条件技术,并应用于加速物理光学和矩量法(PO-MoM)混合方法分析大型复杂载体上线天线的辐射问题.基于积分方程积分核的物理意义,忽略MoM区与PO区的耦合,构造出一个PO-MoM混合方法系数矩阵的稀疏近似阵.然后采用Cholesky分解方法将该稀疏阵的逆阵进行递归分解,得到一个矩阵连乘形式的预条件阵.将该预条件阵用于预条件广义最小留数(GM RES)法迭代求解线性方程组,应用该技术对卫星和舰船两个电大尺寸复杂载体模型上天线辐射问题进行了求解.结果表明,采用这种新的预条件技术可以大大加快方程组迭代求解的收敛速度,明显提高计算效率.