针对指数变增益迭代学习控制(ILC)算法难以进一步改进且缺乏优化理论等问题, 提出一种指数变增益迭代学习控制(ILC)算法在线性时不变(LTI)系统中的控制增益优化方法。首先,由托普利茨矩阵特性和矩阵迭代理论得到单输入单输出(SISO)离散LTI系统中的收敛充要条件, 并证明算法的收敛性; 其次, 由最优化理论得到算法单调收敛条件, 最终得到最优控制增益的精确解, 并得出指数增益与最优控制增益之间的关系。该方法根据系统状态方程得到最优控制策略, 可计算得到精确最优控制值, 进一步提高系统收敛速度。仿真结果表明, 该方法能有效提高算法学习速度, 具有良好的控制性能。

To obtain a good interference fringe contrast and high fidelity, an automated beam iterative alignment is achieved in scanning beam interference lithography (SBIL). To solve the problem of alignment failure caused by a large beam angle (or position) overshoot exceeding the detector range while also speeding up the convergence, a weighted iterative algorithm using a weight parameter that is changed linearly piecewise is proposed. The changes in the beam angle and position deviation during the alignment process based on different iterative algorithms are compared by experiment and simulation. The results show that the proposed iterative algorithm can be used to suppress the beam angle (or position) overshoot, avoiding alignment failure caused by over-ranging. In addition, the convergence speed can be effectively increased. The algorithm proposed can optimize the beam alignment process in SBIL.

为提高随机并行梯度下降(SPGD)算法的波前像差优化校正的收敛速度,从SPGD算法原理出发,分析算法迭代中制约其收敛速度的因素,提出一种基于波前像差梯度平方寻优的随机并行梯度下降算法。通过理论公式推导,分析波前梯度平方和波前随机扰动量的线性关系,并利用远场光斑的归一化二阶矩,近似计算波前像差梯度平方,最终实现波前像差的优化校正。随后采用数值仿真方法对比分析已有的SPGD算法和本文算法的收敛速度和校正效果。最后通过菲涅耳波带片波前像差的无波前传感自适应光学校正实验,进一步验证算法的性能。数值仿真和校正实验结果一致,表明本文算法具有更快的收敛速度,适应性更强。

针对噪声影响下光流计算稳健性较差及收敛速度慢的问题, 提出一种噪声环境下光流场快速稳健估计方法。所提算法基于噪声环境下光流场估计方法, 引入惩罚因子以增强光流计算稳健性, 并在光流计算迭代公式中加入动量因子缩短光流计算收敛时间以加快光流场计算。而后基于变分方法极小化光流能量函数求解欧拉-拉格朗日方程, 最后通过迭代方法求得速度场。仿真结果表明, 对视频中连续两帧图片加入不同高斯噪声后, 与M算法及ML算法相比, 所提算法可显著增强光流场计算稳健性, 缩短光流计算收敛时间, 加快光流场计算。

Fourier ptychographic microscopy (FPM) is a newly developed imaging technique which stands out by virtue of its high-resolution and wide FOV. It improves a microscope's imaging perfor-mance beyond the diffraction limit of the employed optical components by illuminating the sample with oblique waves of different incident angles, similar to the concept of synthetic aperture. We propose to use an objective lens with high-NA to generate oblique illuminating waves in FPM. We demonstrate utilizing an objective lens with higher NA to illuminate the sample leads to better resolution by simulations, in which a resolution of 0.28 m is achieved by using a high-NA illuminating objective lens (NA=1.49) and a low-NA collecting objective lens (NA=0.2) in coherent imaging (λ=488 nm). We then deeply study FPM's exact relevance of convergence speed to spatial spectrum overlap in frequency domain. The simulation results show that an overlap of about 60% is the optimal choice to acquire a high-quality recovery (520*520 pixels) with about 2 min's computing time. In addition, we testify the robustness of the algorithm of FPM to additive noises and its suitability for phase objects, which further proves FPM's potential application in biomedical imaging.

鬼成像(或关联成像)的耗时问题是该研究通往应用领域的艰难瓶颈。以杨氏双缝的鬼衍射为例，通过引入一个收敛判据，研究了一系列影响收敛速度的因素 以及收敛特征。计算机实验表明，物体的特征尺度与照明光场的横向相干长度是影响成像速度的共同关键因素。作者希望以此引起人们对关联光学实时化问题的关注。 此外，给出的数值热光源的产生方法可为鬼成像的变形-主动照明式激光雷达的光源提供驱动。

深入剖析传统神经网络非均匀性校正方法收敛速度慢以及易产生“鬼影”现象的主要原因,在此基础上,提出一种基于非局部均值滤波和神经网络的红外焦平面阵列非均匀性校正算法.为了加快收敛速度并减少“鬼影”现象,在神经网络隐含层,利用具有全局寻优且能保持边缘的非局部均值滤波器代替传统的均值滤波器以估计具有更高置信度的真值影像;同时设计可变学习率来自适应地调整每个探测元的非均匀性校正参数的迭代更新过程,以进一步消除“鬼影”.采用两组分别受高空间频率和低空间频率非均匀性干扰的真实红外序列图像进行实验.实验结果表明:相较于目前已有的方法,本文方法不仅具有较快的收敛速度,而且较大程度上抑制了“鬼影”现象的发生.

多无人机系统中,系统状态的一致性是实现多无人机分布式协同控制的基础, 一致性控制算法是多无人机系统实现状态一致的有效方法。通信约束条件下, 无人机平台基于局部交互信息, 通过一致性控制算法, 控制系统状态演化一致。为解决改变通信拓扑结构和多跳路由通信的不可操作性问题, 引入状态差值和预测状态,设计新的快速一致性控制算法。给出新算法收敛性和快速性的相关定理,并进行了严格的数学证明, 在分布式协同控制结构下实现多无人机快速任务协同。理论分析和仿真实验验证了算法的可行性和有效性。

对基于随机并行梯度下降（SPGD）算法的自适应光学(AO)系统带宽进行了理论研究和实验分析。首先通过分析算法的随机扰动特性，研究了算法收敛速度与波前校正器单元数之间的关系。在此基础上，通过与基于哈特曼夏克(H-S)波前传感器的传统自适应光学系统相对比，对基于SPGD算法的自适应光学系统带宽进行了理论分析，并通过动态波前畸变校正实验进行了实验验证，实验结果与带宽理论分析基本一致。研究结果为设计和合理应用基于SPGD算法的自适应光学系统提供了依据。

收敛问题是基于场景非均匀性校正算法的一个共性问题。提出了一个能够自适应收敛的非均匀性校正算法。该算法的一个特点是只对非均匀性空间频率的高频部分进行处理，详细论述了该处理的优点。同时还提出了一个控制收敛速度的因子，使得算法的收敛速度根据场景的动态范围自动调整。这将很大程度的改善基于场景非均匀性校正算法收敛特性。最后通过实验数据论证了该算法的性能。