基于三阶累积量对角切片的直接自适应谱线增强算法

依据随机平方相位耦合信号三阶累积量不为零的特点，提出了从高斯噪声环境中恢复平方相位耦合信号的基于三阶累积量对角切片的直接自适应谱线增强算法。该算法恢复平方相位耦合信号、抑制高斯噪声的性能优于传统的自适应谱线增强算法。仿真结果证实了这种算法的有效性。     

基于高斯机的少数投影CT图像重建

基于高斯机(GM)提出了一种新的少数投影CT图像重建算法。首先将图像重建问题转化为最大熵准则下的优化问题,然后构造相应的GM模型,并采用双曲调度进行模拟退火,网络的稳定解就是重建问题的优化解。数值模拟结果表明,与联合代数重建技术(SART)相比,从投影角间距为45°的4个不同的投影视角方向获取投影数据时,该算法具有较高的重建精度(平均相对误差为0.03%)和良好的抗噪声性能。     

基于模式理论光栅椭偏参数反演的数值模拟

将一种广泛用于求解系统优化问题的方法——正单纯形法，求解光栅的椭偏方程。首先，利用求解光栅的傅立叶模式理论对TE和TM波的复反射系数进行求解。然后计算出其相应的椭偏参数(△，Ψ)，并在该值的基础上加入不同偏差的随机高斯噪声，将加入噪声后的值(△m，Ψm)作为模拟测量值。最后使用优化算法进行反演。通过对几种常用面形光栅椭偏参数的数值模拟，一方面表明傅立叶模式理论计算光栅的椭偏参数不仅精度高。而且速度快；另一方面表明利用正单纯形法得到的光栅参数值很接近于正演时假设的参数值，从而从理论上证明了利用椭偏法测量光栅各种光学参数的可行性。     

高斯光束通过多高斯光阑ABCD系统的传输

基于Collins公式和Sylvester定理,推导出高斯光束通过多高斯光阑傍轴ABCD光学系统的解析传输公式。并以数值计算例对公式的应用加以说明。     

豚鼠耳蜗毛细胞静纤毛变异的扫描电镜观察

为进一步了解豚鼠耳蜗毛细胞静纤毛变异的形态特征和原因，采用本实验室20多年各种实验动物耳蜗的扫描电镜观察标本，回顾分析耳蜗毛细胞静纤毛的形态特征和变异。收集正常对照豚鼠37只，受噪声刺激者187只，给予耳毒性药物（奈替米星）实验者20只，WM88拈抗庆大霉素耳毒性实验观察24只，丹参滴耳液实验6只，激光辐射镫骨底板实验7只，给予负压和超压者6只，接受次声者23只。共观察豚鼠310只，620只耳蜗。样品制备按照常规或本实验室改良的技术方法进行，所有动物均快速断头处死，取出双侧颞骨，挑破圆窗膜，取出镫骨，打开卵圆窗，用针在耳蜗尖挑一小孔，用21．5％戊二醛做蜗管内灌注固定，随后置冰箱连续固定8h。0．1mol／L磷酸缓冲液漂洗后，1％四氧化锇固定2h。然后在0．1mol／L磷酸缓冲液中去除耳蜗骨壳，去除螺旋韧带、前庭膜，充分暴露Corti器。单宁酸导电染色，梯度酒精脱水，HCP-2型临界点干燥仪干燥，E-102型离子溅射仪镀金。Philip SEM 505型或Hitachi S-800型扫描电镜观察。     

高斯光束通过空间滤波器的传输特性

采用矩阵分解和用有限个复高斯函数之和逼近硬边光阑窗口函数相结合的方法,从柯林斯衍射积分公式出发,对高斯光束通过空间滤波器的传输特性进行了分析,得到了相应的解析式。通过对解析式的数值模拟,得出了直观的结果,并进行了误差分析。数值计算结果表明,最佳滤波小孔尺寸的选择和计算误差均与光束的截断参数有关。在此基础上,进一步研究了空间滤波器具有像传递功能时,高斯光束和平顶高斯光束(N=12)通过空间滤波器的传输特性,得出了截断参数与滤波后光强分布的关系,并证实了此方法也可用于计算其他类型光束通过空间滤波器的传输。     

基于混合多值离散粒子群优化的混合极性Reed-Muller最小化算法

针对布尔函数系统的混合极性Reed-Muller(Mixed-Polarity Reed-Muller,MPRM)最小化问题,该文提出了一种混合多值离散粒子群优化算法.为解决多样性损失,改善优化结果,兼顾算法的效率和精度,算法采用多群协同优化方法,并提出了概率变异更新、没有重复的更新以及群间重复最优变异3种更新和变异策略.实验结果表明,和模拟退火遗传算法相比,所构造算法能够在获得基本相同优化结果的同时,提高MPRM最小化的时间效率.     

基于像素与子块的背景建模级联算法

针对子块级背景建模方法无法保证所提取前景形状的精确性及像素级背景建模方法无法有效处理非平稳场景的问题,提出了一种背景建模分层模型,首先采用文中子块级建模算法得到较为粗糙的背景区域和前景区域,然后利用混合高斯模型对特定图像区域执行像素级的前景提纯或背景模型更新操作,2种不同层次的算法通过非对称前向反馈机制进行级联。实验结果表明,所提分层模型在能够有效处理非平稳场景的同时保证了所提取前景形状的精确性,且对光照突变不敏感,建模效果优于级联算法中任一独立算法,而处理时间小于2种独立算法处理时间之和,满足了实时处理要求。     

一种适用于任意峰度非高斯信号的多目标盲波束形成方法

该文提出了一种新的适用于任意峰度非高斯信号的多目标盲波束形成算法。该方法在最大峰度算法(KMA)的基础上,引入信号的互相关约束定义了一种新的代价函数。通过对该代价函数的最大化,来盲估计波束形成器的权向量,从而完成对多目标的分离和定向。由于波束形成过程不需要正交化处理,避免了波束形成器锁定噪声的可能性。同时,采用一种复数编码的遗传算法来求解权向量,不但可避免陷入局部极值的可能性,而且还能有效提高运行速度。仿真实验验证了该算法的有效性和正确性。