一类Helmholtz方程Cauchy问题的最优误差界

考虑一类Helmholtz方程Cauchy问题,给出这个问题的最优误差界.用谱正则化方法和修正的Tikhonov正则化方法来求解这个问题,得到Holder型误差估计.根据正则化的最优理论,误差估计是阶数最优的.     

基于Split Bregman算法的MRI图像重建参数分析

压缩感知理论已应用在MRI成像中,作为压缩感知的非线性重建算法的重要分支,以Split Bregman算法为代表的凸松弛法将信号重建问题转化为凸优化问题求解,其计算效率高.对Split Bregman算法的正则化参数功能和调节机制进行了理论研究,分析了正则化参数对该算法收敛精度和收敛速度的影响.仿真结果表明了3个正则化参数对MRI图像重建效率和精度的影响程度.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.     

逆时热传导问题数值解

考虑逆时热传导问题,即由某一时刻T>0温度场分布来确定初始时刻温度场分布.给出了一种新的计算方法,这种方法是基于正则化技术和SOR迭代算法.对正问题使用离散奇异卷积(DSC)过程.数值实验表明求解过程是有效的.     

D+1维闵可夫斯基时空中p维超立方体腔内卡西米尔自由能的正则化(英文)

重新考虑了D+1维闵可夫斯基时空中p维超立方体腔里的标量场的热卡西米尔效应.经过标准的量子场论方法处理后,热卡西米尔自由能可以分为零温部分和有限的与温度有关的部分.在此前的一些文献中,由于含温度的部分自身是有限的,这部分的正则化被忽视了,而无穷远处卡西米尔能量的收敛性以及卡西米尔力的消失又要求对这部分进行正则化.利用Zeta函数方法和Abel-Plana公式,严格推导了自由能零温部分和含温部分的正则化.在D=3,p=1和D=p=3的情况下准确地恢复了文献中平行板和三维盒子的结果.并且给出了卡西米尔自由能高温(大间隔)和低温(小间隔)展开的精确表达式,并由此验证了在零温和含温两部分自由能都正则化后,对于不同的边界条件,在无穷远处卡西米尔力总是趋于零.     

基于值域包含的不适定算子方程的收敛速度

讨论了不适定的算子方程Af=Bg的收敛速度问题.方程的不适定是指方程的解对初始条件缺乏连续依赖的性质.这里的算子B是定义在某个恰当的Hilbert空间上的算子,它可能是无界算子,而且有值域包含关系R(A)■R(B).     

多联通区域中的拉普拉斯方程柯西问题的一种数值计算方法

多联通区域中的Laplace方程柯西问题的一种数值解法——基本解和边界控制技术相结合的方法,其主要思想是先通过边界控制技术来获得部分边界上的未知的Dirichlet数据的一个逼近,然后再用基本解方法去求解一个带有第二类边值条件的Laplace方程.这种方法在求解拉普拉斯方程柯西问题时与通常所用的基本解方法不同,本文主要是用基本解方法求解了一系列正问题而不是直接用基本解方法去求解拉普拉斯方程柯西问题这样一个反问题.这里由于Laplace方程柯西问题的高度不适定性,为了确保数值解的精度和稳定性,本文采用了Tikhonov正则化方法,在正则化参数的选取上采用了GCV准则.最后用数值算例证明了这种方法不论是在数值解的精度上还是数值解的稳定性上都是非常有效的.     

大地电磁反演中改进的自适应正则化因子选取

通过建立大地电磁(MT)层状地电模型,利用共轭梯度法求解反问题,在给定不同初始模型的条件下对多种正则化因子选取方法进行了计算比较,分析了各种方法的特点和使用条件.结果表明,自适应正则化算法的效果与传统的定值方法如L曲线法相近,但反演过程远比传统方法便捷.为了解决反演依赖于初始模型的局限并增强解的稳定性,基于多种自适应正则化方案的对比分析,提出了改进的自适应正则化方案,选取数据拟合泛函与模型稳定泛函较大的比值为正则化因子的初始值,并提出相应的调整方案自动控制正则化因子衰减.模型试验表明,该方法对初始模型的依赖性低于其他几种自适应的算法,反演结果的稳定性较强,可以进一步提高正则化反演的效率.     

热方程未知源识别问题的磨光化方法

讨论一类未知源识别问题,这个问题是不适定的,即解不连续依赖于输人数据．本文中用磨光化方法对这一问题的稳定性进行分析,给出数值算法,数值试验显示正则化方法是稳定和有效的．     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。