摘要:目前，在运动想象解码领域，研究主要集中在被试依赖和被试独立解码两种方法上。然而，这两种解码方式在脑机接口（BCI）系统的实际使用中存在较大局限性。被试依赖和被试独立解码都依赖于同一中心数据集，当解码模型应用于其他中心的数据集时，性能将显著下降，无法满足BCI系统跨中心使用的需求。为提升运动想象脑电跨数据库解码性能，基于领域泛化的方法框架，提出了一种基于Fisher准则正则化的稀疏选择模型。在最小绝对值收缩和选择算子（LASSO）模型的基础上，引入Fisher准则正则项，以在特征选择过程中显式建模特征的可分性。这有助于提高领域泛化的表示学习能力，从而增强分类模型在不同数据集上的泛化性能。采用两个公开的运动想象脑电数据集，并使用滤波器组共空间模式（FBCSP）和多时频共空间模式（MTFCSP）两种特征提取方法，验证了所提方法的有效性, 进一步使用自采集的数据也证实了该方法在实际应用中同样有效。与现有的方法相比，所提方法取得了最高平均分类准确率，达到67.26%。实验结果表明，所提方法在运动想象跨数据库解码中具有更好的泛化能力、更高的特征可分性、更好的鲁棒性。所提方法有望促进BCI系统跨中心使用，提高通用性。

摘要:超压层析成像是利用传感器采集到的冲击波信号来反演测试区域的超压分布，是典型的不完全数据重建问题，为了提高求解精度，本文提出了一种基于高斯牛顿迭代联合超拉普拉斯正则化的冲击波超压层析重建方法。由于实际采集到的冲击波信号通常与干扰信号混叠在一起，会影响超压值的测量精度，本文首先采用改进的小波阈值算法对冲击波信号进行去噪处理；其次利用超拉普拉斯先验对图像边缘和二维层析模型进行正则约束；然后采用高斯牛顿迭代算法和交替方向乘子算法，解决大型病态稀疏矩阵的求解问题。实际实验结果表明本文的正则化方法与传统的全变分正则化和广义全变分正则化相比，重建精度可保持在15%左右，在实际场景中具有一定的应用价值。

摘要:针对蒸发波导数据压缩感知过程中易受噪声干扰且采用传统重构方法抗噪性能较差的问题，提出了一种基于相似度阈值的自适应正则化匹配追踪去噪方法。该方法可以在信号稀疏度难以获知的情况下，利用自适应思想逐步扩充候选集，同时通过设置相似度阈值来对部分候选原子进行剔除，并结合正则化过程对支撑集原子进行二次筛选，从而较好地约束了噪声分量的重构，提高了信号的重构精度。理论分析和实验表明，所提方法的重构性能优于现有同类重构方法，去噪性能优于小波去噪方法，相同条件下，可获得更高的重构信噪比，有效实现了蒸发波导数据的去噪重构。

摘要:针对整数阶Tikhonov正则化方法识别桥梁移动载荷识别精度较差的问题，提出一种基于改进分数阶Tikhonov正则化的桥梁移动载荷识别方法。根据时域法理论建立桥梁移动载荷识别模型，模拟双轴车辆在桥梁上行驶过程，通过核函数方法将移动载荷表示为弯矩响应和加速度响应核函数的微分形式，采用离散化方法将微分方程转化为线性方程组，通过改进分数阶Tikhonov正则化方法进行求解。结果表明：较分数阶Tikhonov正则化方法和整数阶Tikhonov正则化方法，采用改进分数阶Tikhonov正则化方法的移动载荷识别结果在识别精度和抗噪性上都有一定优势，且改进分数阶Tikhonov正则化方法在低噪声水平下载荷识别精度较高，识别误差仅为分数阶Tikhonov正则化方法的15%；识别结果受弯矩响应影响较小，且具有良好的鲁棒性，更适用于桥梁移动载荷的现场识别。

摘要:盲图像去模糊的目的是通过迭代在模糊核未知的情况下，从模糊图像中恢复出清晰图像。当真实图像具有较少的暗像素时，暗通道先验算法不能产生令人满意的结果。实验中发现，二阶梯度（海森矩阵）中元素的绝对值随着图像逐渐模糊而减小。利用这一特点，提出一种基于L1正则化二阶梯度的暗通道先验盲图像去模糊算法模型。首先，展示了算法相关的理论证明，通过实验说明海森矩阵在保留边缘细节以及图像细节方面的可行性，其次在暗通道去模糊模型的基础上，引入二阶梯度项并施以L1范数约束。然后采用半二次分裂策略来解决该非凸优化问题，最后，使用快速傅里叶变换求得最终的清晰图像和模糊核。实验结果表明，该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影，并且在合成图像和自然图像上都比现有的图像去模糊方法鲁棒性更强，并且性能良好。在自然图像数据集中SSIM值平均提高了10% 以上。

摘要:碳纤维复合材料的结构安全健康检测至关重要。电阻抗层析成像技术利用碳纤维复合材料的导电特性，可实现对其结构损伤检测。此技术具有成本低、非侵入和操作简便等优点，近年来成为广大学者的研究热点。在EIT的图像重构过程中存在着严重的病态性问题，本文提出了一种改进L1/2正则化算子的电阻抗层析成像算法。该方法采用L1/2范数构建稀疏正则化罚函数，通过布雷格曼交替方向乘子法的迭代算法对新目标函数进行求解，提高算法的性能。为验证算法有效性，使用COMSOL软件设计四种典型CFRP层合板损伤类型并搭建16电极EIT测试系统验证。仿真与实际实验结果表明，与其它算法相比，采用BADMM迭代算法求解L1/2正则化方法提高了图像相关系数，降低了图像误差，有效改善了重建图像的精度，且该方法对噪声具有较强的鲁棒性。

摘要:在实际爆炸试验中，由于观测点数据稀疏，重建区域大等因素造成了数据量不足，利用传统迭代重建算法来重建冲击波超压场有其局限性。为提升单投影角度不完全投影数据条件下的成像效果，提出了一种基于TV最小化联合字典学习的冲击波超压场重建方法。结合压缩感知在稀疏约束方面的优势，利用TV正则化方法优化冲击波超压场的边缘信息，通过字典学习方法提高超压场内部细节信息的刻画程度，能够用较少的数据来重建冲击波超压场。经试验验证，与SART重建算法相比，TV-DL方法的重建精度有明显提升，其RMSE值降低了近40m/s，且在每个网格内的相对误差减少了2.5%左右，实现了一种更高效的重建方法，在武器弹药毁伤评估、工程防护等领域，具有一定的理论意义和工程应用价值。

摘要:在室内环境下, 超宽带(Ultra-Wide Band，UWB)信号常受到遮挡物干扰影响,进而导致测量距离数据异常以及产生虚假延时,导致定位性能下降。针对这一问题,本文提出了抗干扰的UWB三维定位方法｡首先,以数据间的欧式距离作预处理, 建立了 K-means 模型剔除了错误的观测数值｡ 其次,利用 L2 范数正则化方法改进了常规的最小二乘定位方法。最后，为了验证该方法的有效性，本文设计了无人机在室内三维定位的一个应用实例，在无干扰和有干扰的条件下分别收集了无人机的飞行数据，然后应用提出的数据预处理方法消除了异常的数据，并利用改进的最小二乘法对这两种情况下无人机的位置进行估计。实例结果表明本文提出方法的有效性，可在干扰环境下提高UWB 三维定位精度｡

摘要:针对传统的UNet对于大小不一、形状多变的皮肤恶性黑色素瘤图像分割效果不佳的问题，主要通过两点改进实现改进方法对多尺度特征的充分利用，首先在编码器中，采用全局密集网络、局部密集网络以及锯齿状空洞卷积设计，之后在解码器中，采用局部残差设计以及分类正则化。与UNet相比，该改进方法分别在Dice系数、准确率（ACC）、敏感度（SE）、交并比（IOU）指标上提高了0.82%、0.03%、1.99%、1.03%。实验结果证明，改进方法能够提高皮肤恶性黑色素瘤图像分割效果，是一种有效的基础网络结构。

摘要:成年人面部变化非常缓慢，因此相邻年龄段的成人年龄估计仍是一个挑战。针对该问题，本文将对抗学习思想引入年龄估计任务，提出了基于深度对抗丢弃正则化的年龄估计模型。通过年龄特征学习器与判别器的对抗训练，提升年龄特征学习器对年龄段特征（特别是对相邻年龄段人脸年龄特征）的学习能力。在三个经典数据集（UTKFace、MORPH和Adience）上的实验显示，本文模型将UTKFace数据集的预测正确率由42.8%提升至81.6%，MORPH数据集的准确率由39.8%提升至69.8%，对Adience数据集的预测正确率为63.3%；和其它4个经典模型相比，本文模型仅用5层神经网络就达到了比深层神经网络更好的效果，特别中青年年龄段（15-53岁）年龄估计准确率比其他模型平均高出17.5%，说明本文模型对年龄估计任务性能有显著提升，有很好的实用价值。