电磁逆散射成像的一种混合正则化方法

电磁逆散射成像问题数值求解中,非线性逆散射方程及其对应的离散方程组具有明显的不适定性,针对求解通常所用Tikhonov正则化方法的参数选择在先验选取时缺乏有效的误差信息,而后验选取时需要更多计算量求解有关参数的方程的困难,本文中将小参数Tikhonov正则化方法与共轭梯度法结合,提出了不适定方程组的混合正则化方法。数据仿真表明,该方法既可保证正则化效果,也减少了计算量。     

考虑锚点位置误差的井下TDOA改进算法

针对井下TDOA定位算法未考虑锚点位置误差、在测量噪声较大时定位精度严重下降的问题,提出一种考虑锚点位置误差的井下TDOA改进算法。将锚点位置误差作为参数,对TDOA定位模型进行改进,并采用基于凸优化的迭代TDOA算法对模型进行求解。仿真结果表明,当锚点位置误差为1cm时,算法定位精度可达到5cm;即使在测量噪声较大时,该算法仍可有效逼近克拉美罗下限(CRLB),优于现有的TSWLS、改进TSWLS算法。     

稀疏Tikhonov正则化多分类支持向量机

Tikhonov正则化多分类支持向量机是一种将多分类问题简化为单个优化问题的新型支持向量机.由于Tikhonov正则化多分类支持向量机利用全部类别数据样本构建核函数矩阵,因此不适合大规模数据集的模式分类问题,鉴于该原因,一种稀疏Tikhonov正则化多分类支持量机被建立,其训练算法首先构建样本重要性评价标准,在标准下通过迭代学习获取约简集,最后利用约简集构建核函数矩阵并训练支持向量机.仿真实验结果表明稀疏Tikhonov正则化多分类支持向量机在训练速度和稀疏性方面具有很大的优越性.     

电容层析成像系统图像重建算法的研究

本文利用Tikhonov正则化和奇异系统理论,分析了引起电容层析成像系统逆问题不适定性的根本原因是由于敏感场矩阵小奇异值的存在。针对一般Tikhonov正则化方法将所有的奇异值都采取同一正则化参数修正带来的误差,本文将小奇异值对应的项设定正则化参数,而舍去零奇异值对应向量,既减少了误差又加快了速度。例算结果表明,用本文方法重建图像,比其它如线性反投影算法(LBP)、Landweber迭代法及一般Tikhonov正则化算法,都有一定程度的改善。     

求解非线性回归问题的Newton算法

针对大规模非线性回归问题,提出基于静态储备池的Newton算法.利用储备池搭建高维特征空间,将原始问题转化成与储备池维数相关的线性支持向量回归问题,并应用Newton算法求解.鲁棒损失函数的应用可抑制异常点对预测结果的干扰.通过与SVR(Support Vector Regression)及储备池Tikhonov正则化方法比较,验证了所提方法的快速性、较高的预测精度和较好的鲁棒性.     

超声逆散射图象重建问题中截断奇异值分解正则化方法研究

为解决超声逆散射成像问题中的非线性性,人们需要反复地求解前向散射方程和逆散射方程,以达到对全场和未知函数的精确近似,从而根据这一未知函数的精确近似,较好地重建物体内部的断层图象.前向散射方程是一个适定的方程组,可以采用通常的方法进行求解;而逆散射方程则是一个不适定性的方程组,即使数据中存在一个微小的误差,都可能引起解的较大偏离,因此,对这个不适定方程组的求解问题是整个迭代算法成功的关键.而在不适定性问题的求解过程中,正则化参数的选取又是非常重要的.求解不适定性方程的传统方法是Tikhonov正则化方法,这一方法的实质是在传统最小二乘方法上加上一个小于1的滤波因子,对于超声逆散射成像问题来说,效果并不太好.本文将截断奇异值分解正则化方法应用于逆散射方程的求解问题中,并对正则化参数的选取方法进行修正.数值仿真结果表明,这一方法配合适当的正则化参数选取,可以更好地滤除噪声,提高重建图象的质量与可信度,同时还可以减小迭代过程中的计算量.     

基于TDOA残差分析的MLAT抗干扰方法

针对多点定位(MLAT)技术对信号从目标到接收站点时间差(TDOA)的依赖性及其TDOA精度对定位精度的影响,提出了一种基于TDOA残差分析的定位抗干扰方法。该方法通过TDOA在定位前后的残差来评判接收站点的时钟精度,从而实现站点优化选择和抗干扰,达到提高定位精度的目的。仿真实验和机场真实数据实验表明该方法可以显著提升MLAT的定位精度,不仅可行,而且有效。     

基于移动锚节点的无线传感器网络三边质心定位

探讨了无线传感器网络(WSN)定位技术的意义,研究基于移动锚节点的测距定位技术;设计了移动锚节点运动轨迹,在利用无线电与超声波到达时间差(TDOA)测得锚节点到待定位节点距离的情况下,给出了一种新的定位算法——三边质心定位算法,该算法通过求解待定位节点的定位近点所构成几何图形的质心来完成定位;仿真结果表明,该定位技术能够明显减小定位误差与锚节点数量。     

基于TDOA的室内运动目标双曲线RFID定位方法

射频定位中以接收信号强度（ RSSI）定位的方法存在信号干扰严重、抖动剧烈和误差较大等现象。为了减小射频信号定位的误差,在基于精准时间测量思想的传播信号到达时间差（ TDOA）方法和构建虚拟参考标签经典定位方法的基础上提出了TDOA双曲线定位方法。该方法利用射频信号TDOA,以精准时间差来测量射频（ RF）标签与目标之间的距离,然后借助双曲线定位算法对目标进行定位。仿真结果表明,相比目前经典的 LANDMARC 和VIRE定位方法,TDOA双曲线算法的定位误差50'可在0.216 m内。该方法有效利用了现代高精度时间测量的优势,在室内运动目标定位中具有定位精度高、应用范围广、实现简单等优点。     

正则化算法在遥感影像外定向中的应用

正则化的目的是在求解过程中对方程的解进行约束,得到稳定可用的解.遥感影像外定向是确定外方位元素,它是正射纠正和三维信息提取的基础.在计算卫星遥感影像外方位元素时存在病态问题.本文使用两种正则化方法求解这一病态问题:Tikhonov正则化和两步解法.这两种方法与主成分估计法和岭-压组合估计法进行了比较,实验结果表明,基于GCV参数选取方法的Tikhonv正则化方法和主成分估计及两步解法求解结果较优.由不同精度的控制点进行外定向的检验精度表明,除了应用较优的算法,精确的控制点对外定向也很重要.