高阶矩量法的超级电磁计算研究

矩量法是广泛使用的高精度电磁数值算法之一。在仿真复杂电磁问题时,该算法需要处理大型复数稠密矩阵方程,这导致其面临内存需求高、计算时间长的问题。与传统基函数相比,本文采用的高阶多项式基函数能够在保证计算精度的前提下大幅度降低未知量,进而降低矩阵阶数。在此基础上,本文设计了基于分块矩阵的高效并行策略,在国内超级计算机平台开展了并行高阶矩量法的超级电磁计算研究,大幅度提升了矩量法的仿真能力。在国产神威蓝光超级计算机上,以机载天线阵列的辐射特性计算为例,对并行规模高达30720 CPU核时的算法性能进行了评估,测试结果表明算法在并行规模扩大20倍以上时仍可获得50%以上的并行效率。在当前排名世界第一的天河2号超级计算机上,以飞机散射特性计算为例,对并行规模高达201600 CPU核时的算法性能进行了评估,测试结果表明算法在并行规模扩大约8倍时可获得50%以上的并行效率。数值仿真结果表明并行高阶矩量法可以在不同架构的超级计算机上高效完成复杂电大目标的精确电磁计算。     

高阶矩法辨识非最小相位系统

本文对８０年代发展起来的高阶矩方法作了分析和综述，将其应用于输出已知条件下的系统辨识问题中，借助高阶矩方法，可以准确有效地辨识系统的相位，从而克服了传统方法的弱点。     

基于并行机的矩量法研究

并行处理技术相对于传统的串行处理,具有无可比拟的优越性。以代数方程组和微分方程组的求解为线索,对并行算法在矩阵向量乘法计算中的应用进行了分析。通过在计算机机群上将矩阵向量乘法的并行方法实现,研究其算法性能,并分析了通信量对并行算踟陡能的影响。     

半波振子天线矩量法的研究

矩量法是将连续方程离散为代数方程组的方法,此法对于求解微分方程和积分方程均适用,本文以半波振子天线为例,系统的阐述了半波振子天线的海伦积分方程的建立,利用矩量法求解海伦积分方程而得半波振子天线上的电流分布,已知电流分布求解半波振子天线在远区的电场表达式和方向图。     

用Zernike矩来确定字符的旋转不变性特征

该文介绍了一种确定字符图像的旋转不变性特征的方法。这种方法总体上来说分两步进行。第一步,利用标准矩将字符图像标准化,如将图像调整到原点是其重心的位置,将图像的尺寸转化为一定大小,图像的总象素值为一指定值;第二步,利用Zernike矩来确定数字图像的旋转不变性特征。文章还给出了利用该方法做的一个证明旋转不变性的实验。     

Krawtchouk矩旋转不变性的分析

矩是基于区域的形状描述子,相对于基于轮廓的描述子例如傅立叶、链码描述子等,对于不连通的图像形状描述和对噪声的鲁棒性等方面有着更良好的性能.正交矩又可分为连续正交矩和离散正交矩,Krawtchouk矩是离散正交矩中的一种,和连续正交矩不同,基于离散正交矩本身的离散特性,更适合于对数字图像的处理.但同其他离散矩一样,Krawtchou矩并不具备天然的几何不变性(旋转、缩放和平移),这也从一定程度上限制了Krawtchouk矩的应用.为使Krawtchouk矩得到更广泛的应用,对Krawtchouk旋转不变矩的构造进行详细分析和实验,比较出更适合用于浮游植物的Krawtchouk旋转不变矩.     

基于矩量法的孔缝电磁耦合分析及其实验研究

孔缝电磁耦合是外部电磁环境对飞行器的重要作用途径,建立与之相关的分析模型,有助于提高其环境适应能力;以平板孔缝耦合为典型对象,首先建立了无限大平板的小孔耦合模型,然后利用矩量法对孔缝耦合模型进行求解分析,得到了表征电磁耦合强弱的能量传输系数;为验证方法的有效性,搭建实验系统对不同的孔缝类型进行了测试,结果表明,在电磁波垂直入射情况下,矩形和圆形孔缝的电磁能量传输系数具有较好的一致性。     

几类旋转对称布尔函数的密码学性质

Sumanta Sarkar等人给出了一类具有最大代数免疫阶的旋转对称布尔函数,但对给出的旋转对称布尔函数仅研究了该函数的非线性度而对其他密码学性质未加以研究.因此,研究了上面给出的旋转对称布尔函数的其他密码学性质:代数次数、线性结构、扩散性、相关免疫性等.研究结果显示,虽然这类布尔函数的代数免疫阶达到最大,但是其他的密码学性质并不好.因此,此类布尔函数并不能直接应用在密码系统中.     

基于高阶统计矩的特征提取优化算法

基于小波域高频系数的广义高斯分布（GGD）模型,提出了一种新的特征提取优化算法。通过分析研究小波系数概率密度函数的时频特性,选择在频域中提取高阶统计矩。为了更好地区分原始图像和隐秘图像高阶矩的差别,对高阶统计矩的权重函数进行改进。除此之外,对高阶统计矩阶数的确定,以及子带层次的选择也作了进一步的研究,构建了提取最优特征矩的提取算法。基于Matlab7．0平台进行仿真实验,结果证明：该算法的综合性能明显优于同类特征提取算法。     

基于高阶统计矩的特征提取优化算法

基于小波域高频系数的广义高斯分布(GGD)模型,提出了一种新的特征提取优化算法.通过分析研究小波系数概率密度函数的时频特性,选择在频域中提取高阶统计矩.为了更好地区分原始图像和隐秘图像高阶矩的差别,对高阶统计矩的权重函数进行改进.除此之外,对高阶统计矩阶数的确定,以及子带层次的选择也作了进一步的研究,构建了提取最优特征矩的提取算法.基于Matlab7.0平台进行仿真实验,结果证明:该算法的综合性能明显优于同类特征提取算法.     

Krawtchouk矩的误差传递分析及算法改进

提出了Krawtchouk矩的误差传递模型,分析了其误差传递的机理,提出一种基于GMP大数库的分段迭代算法来精确计算Krawtchouk多项式,且此方法对参数p取任意值均有效。该方法的原理为：根据经典Krawtchouk矩的传递误差累积趋势,将其迭代过程分为若干段,每段迭代的初值均由GMP库计算得到,通过保证初值的精确性和控制迭代的次数来降低多项式计算的误差,提高高阶矩计算的精度。实验证明该方法确实能有效抑制且在一定程度上控制高阶Krawtchouk矩的累积误差,消除重构图像的劣化。     

基于图像矩的板材细胞图像取样方法研究

精确识别细胞的前提是细胞采样。利用图像矩的旋转不变性和平移不变性,提出利用图像矩的概念对细胞进行采样处理,进而提取细胞的相关数学参数。首先利用动态阈值的方法分割灰度化后的细胞图像;然后利用图像细化算法对粘连细胞进行分割处理;最后利用图像矩提取样本细胞。实验证明该方法有较好的稳定性和鲁棒性。     

通过积分图多项式方法快速计算图像中心矩和Hu 距

中心矩是图像重要的特征量,由中心矩可以生成Hu距。文章提出了一种用积分图多项式来计算图像各个不同区域中心矩的方法,并将此方法用于求Hu距中,大大缩短了求图像各个不同尺度、不同位置Hu矩的运算时间,可以广泛应用于图像匹配、目标定位等场景。     

一种新的快速计算Legendre矩的方法

正交矩在模式识别，图像分析等领域有成功的应用，但由于正交矩的复杂性，有关正交矩的快速算法研究尚未得到很好的解决，该文提出一种 新的快速计算Ｌegendre矩的方法，该方法把基于像素点的二维Ｌegendre矩转换为线段的形式来计算，在计算出所有线段的积分后，使用扩展的Ｈatamian滤波方法来计算一维的Ｌegendre矩。结果显示新的算法有效地降低了计算的复杂度，并且，该方法能用于处理任意形状的物体。     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先,对亮度图像进行小波多尺度边缘检测,得到多尺度边界图像;然后,计算每一尺度的7个不变矩,再转化为10个相对矩,所有尺度上的相对矩组成图像的特征向量;最后,对特征向量进行高斯归一化,用欧氏距离度量图像间的相似度,构建了一个基于形状特征的网像检索系统。实验结果表明,该方法具有明显的优越性和通用性。     

三维U系统矩描述子及其快速算法

文章介绍了一种新的三维正交多项式矩的定义——三维U系统矩。对由三维U系统矩构成的三维模型特征描述子向量,提出了一种快速计算方法。实验表明,这种快速方法具有更高的计算效率。     

高阶统计量方法在谐波恢复中的应用

谐波恢复是信号处理中的重要问题,谐波恢复就是在噪声中分析组成信号的各次谐波.噪声分为加性噪声和乘性噪声,本文分析加性噪声和乘性噪声的特点,提出采用高阶统计量的方法抑制噪声,恢复谐波.通过四阶统计量的切片抑制乘性噪声,采用二阶累积量谱抑制加性噪声.仿真结果表明,本方法具有很好的抑制噪声效果.     

一种基于补偿法则的矩的快速算法

由于不变矩对图像的平移放大旋转的不敏感性,因此在模式识别、图像分类、场景匹配等图像处理和分析领域获得越来越广泛的应用．但是,求矩运算过程复杂、计算量大、使它的应用受到限制．基于Delta方法,提出了一种新的基于补偿法则的矩的快速算法．对任意二值图像分解为多条线段,图像的矩就等于所有线段的矩的和．对每一线段,将其左方(或上方)填满．每一线段的矩就等于填充后的线段的矩减去填充线段的矩．这样做的好处在于：一幅图像所有可能横(竖)线段的数目由N^2减少为N．引入一组N大小的数组,将求矩过程中大量重复计算的数据一次计算后存人数组,需要时查数组即得．从而极大地减少了计算量．由于填充后线段规格一致,便于用统一的公式计算且有利于编程．和已有的某些算法仅适用于无凹图像和矩计算结果是近似的相比,该算法计算结果准确,适用于任意复杂的二值图像．列出了已有矩算法运算量的评估,比较而言,所讨论的算法的计算量和用时都优于其他算法．     

Legendre矩的一种有效算法

Ｌｅｇｅｎｄｒｅ正交矩的模式识别、图像分析等许多领域有成功的应用,然而,由于正交矩的复杂性,目前有关正交矩快速算法的研究很少,从而在一定程度上影响了它的应用,对此,作者对Ｌｅｇｅｎｄｒｅ多项式进行了研究,获得了一些新的有效的性质,它们能够显著地减少矩计算中的运算量。     

基于差分矩因子的灰度图像矩快速算法

由于不变矩对图像的平移放大旋转的不敏感性,因此在图像处理、模式识别、场景匹配和计算机视觉等领域获得越来越广泛的应用．但是,求矩运算过程复杂,计算量大,使它的应用受到限制．快速求矩算法不少,但大多限于二值图像．文中提出一种新的适用于灰度图像的快速求矩算法．算法基于文中提出和证明的差分求和定理,即两个离散函数数组的乘积,等于将其中一个差分、另一个累进求和后的乘积．将矩因子作为一个函数数组,图像作为另一个函数数组,对矩因子数组实施多次差分,差分结果使得矩因子数组除边界1个或几个数组元素外,其余数组元素值皆为0．这样需对所有数组元素的乘积变为只对边界1个或几个数组元素的乘积．由于边界上不为0的数组元素值几乎都为1,这实际上就无需乘法计算．该算法原理简单,编程容易,求矩结果精确,适用于任意灰度图像．利用该算法,对任意大小和任意级别的灰度图像,无需任何乘法计算,且加法运算次数也大幅减少．和其它求矩算法相比,计算复杂性大大降低．