Contour-FFT based Spectral Domain MBF Analysis of Large Printed Antenna Arrays
ICTEAM Institute, Université catholique de Louvain(天主教鲁汶大学 ICTEAM 研究所)
本文提出一种快速谱域方法,用于评估由相同印制天线构成的正则和非正则阵列中宏基函数之间的反应项。通过在频域中利用宏基函数的滤波能力,并结合新提出的基于FFT的加速技术,实现高效计算。方法在复杂平面上进行轮廓积分,计算复杂度为N log₂N,且与元素复杂度无关。
2014-04-28 cs.NA math.NA
Two Iterative algorithms for the matrix sign function based on the adaptive filtering technology
本文将滤波算法分别与牛顿法和牛顿-舒尔茨法相结合,提出了两种计算大型稀疏矩阵符号函数的新算法。通过对迭代过程中误差扩散的理论分析,设计了一种自适应滤波阈值,可以保证滤波对迭代过程和计算结果的影响很小。数值实验与我们的理论分析一致,表明我们的方法的计算效率远优于牛顿法和牛顿-舒尔茨法,计算误差与两种方法在同一数量级。
2022-10-07 cs.NA math.NA
Deterministic Sparse Sublinear FFT with Improved Numerical Stability
在本文中,我们扩展了Plonka等人(2018)中的确定性次线性FFT算法,用于快速重建$M$ -长度为$N= 2^J$的稀疏向量${\mathbf x}$,其中我们假设离散傅立叶变换$\hat{\mathbf x}= {\mathbf F}_{N} {\mathbf x}$的所有分量都可用。${\mathbf x}$的稀疏性不需要先验已知,而是由算法确定。如果稀疏度$M$大于$2^{J/2}$,则该算法变成具有运行时间${\mathcal O}(N \log N)$的普通FFT算法。对于$M^{2} < N$,算法的运行时间为${\mathcal O}(M^2 \, \log N)$。Plonka等人(2018)提出的方法修改导致迭代重建中使用的Vandermonde矩阵的条件数显着改善。我们的数值实验表明,我们的修改对算法的稳定性有很大的影响。虽然Plonka等人(2018)中的算法由于数值不稳定性而开始对$M>20$不可靠,但修改后的算法对$M=200$仍具有数值稳定性。
2021-03-07 cs.NA math.NA
Fast Multipole Method based filtering of non-uniformly sampled data
Perceptual Interfaces & Reality Laboratory(感知接口与现实实验室);UMIACS, University of Maryland, College Park(马里兰大学学院公园分校 UMIACS)
本文提出基于快速多极方法的非均匀快速傅里叶变换算法,通过新的FFT核分解实现高效数据处理与误差分析。
2016-11-28 cs.NA math.NA
One or two frequencies? The Iterative Filtering answers
迭代滤波方法是一种旨在将非平稳和非线性信号分解为简单振荡分量的技术。这种方法,提出了十年前作为一种替代技术的经验模态分解,已被广泛用于许多应用领域的研究和研究,从数学的角度来看,在过去几年中发表的几篇论文。然而,即使它的收敛性和稳定性,现在建立在连续和离散设置,它仍然是一个开放的问题,以了解到什么程度,这种方法可以分离两个附近的频率包含在一个信号。本文在对经验模态分解和同步压缩方法进行研究的基础上,详细分析了迭代滤波算法从给定信号中提取两个平稳频率的能力。特别是,在回顾了迭代滤波技术及其已知的属性,我们提出了新的理论结果和数值证据表明,这种技术在解决基本的“一个或两个频率”的问题的能力。
2021-11-23 cs.NA math.NA
Study of boundary conditions in the Iterative Filtering method for the decomposition of nonstationary signals
Istituto Nazionale di Alta Matematica(意大利高等数学研究所);DISIM, Università degli Studi dell’Aquila(阿奎拉大学DISIM学院);Gran Sasso Science Institute(格兰萨索科学研究所);Libera Università di Bolzano(博尔扎诺自由大学)
本文研究了不同边界条件对迭代过滤法分解非平稳信号的影响,探讨了该方法在信号分解中的数学分析和应用。
2019-02-13 cs.NA math.NA
Memory footprint reduction for the FFT-based volume integral equation method via tensor decompositions
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术学院);Q Bio
本文提出了一种减少基于FFT的电磁体积积分方程(VIE)公式内存占用的方法,通过利用格林函数张量的低多线性秩,采用Tucker分解进行压缩,从而显著减少数值模拟所需的内存存储。同时,通过提供高效的新方法,保持经典元素乘积的线性复杂度,进一步加速线性系统的迭代求解。
2019-07-16 cs.CE cs.NA math.NA
Convergence analysis of Adaptive Locally Iterative Filtering and SIFT method
自适应局部迭代滤波(ALIF)是目前提出的一种新的时频分析工具。经验表明,ALIF能够分离组分并克服模式混合问题。然而,到目前为止,它的收敛仍然是一个悬而未决的问题,特别是对于高度非平稳信号,由于与ALIF相关的内核是非平移不变,非卷积和非对称的事实。我们在这项工作中的第一个贡献是提供ALIF的收敛性分析。从实际的角度来看,ALIF依赖于一个强大的频率估计,基于该分解可以实现。我们的第二个贡献是提出了一个强大的和自适应的分解方法的噪声和非平稳信号,我们创造了同步压缩迭代滤波技术(SIFT)。在SIFT中,我们应用同步压缩变换来估计瞬时频率,然后应用ALIF来分解信号。我们数值显示这种新方法在处理高度非平稳信号的能力。
2020-05-10 cs.NA math.NA
Multidimensional Iterative Filtering method for the decomposition of high-dimensional non-stationary signals
Georgia Institute of Technology(佐治亚理工学院)
本文提出多维迭代滤波方法,用于高维非平稳信号的分解与时频分析,并扩展了Fokker-Planck滤波器至更高维度,展示了其在2D信号分解中的优越性能。
2015-07-26 cs.NA math.NA
Multivariate Fast Iterative Filtering for the decomposition of nonstationary signals
在这项工作中,我们提出了一种新的技术,我们称之为多元快速迭代滤波(MvFIF)算法的多变量数据的分解。我们研究了它的性质,严格证明了它适用于任何类型的多元信号的分解时,在有限时间内收敛。我们测试MvFIF性能使用各种各样的人工和真正的多元信号,显示其能力:分离多元调制振荡;对齐频率沿不同的通道;产生一个准-二进滤波器组时,分解白高斯噪声;分解信号中的一个准-正交组的组件;是强大的噪声扰动,即使当通道的数量大大增加。最后,我们将其性能与文献中迄今为止开发的主要方法之一进行比较,证明MvFIF在没有任何先验假设的情况下,以快速可靠的方式对所研究的信号进行唯一定义的任何多变量信号的分解。
2021-11-03 cs.NA math.NA
On the filtering effect of iterative regularization algorithms for linear least-squares problems
Università di Modena e Reggio Emilia(摩德纳-雷焦艾米利亚大学)
本文分析了线性最小二乘问题中经典和最新梯度方法对奇异值的过滤方式,探讨了缩放矩阵和非负约束对解恢复的影响。
2013-07-03 cs.NA math.NA
Solution of Wiener-Hopf and Fredholm integral equations by fast Hilbert and Fourier transforms
本文提出了基于快速傅里叶变换(FFT)的数值方法来求解半无限区间上的卷积积分方程(Wiener-Hopf方程)和有限区间上的卷积积分方程(Fredholm方程)。我们扩展和改进的基于FFT的方法的维纳-霍普夫方程由于Henery,表示它的希尔伯特变换,并计算后者在一个更复杂的方式与sinc函数。然后,我们将我们的方法推广到Fredholm方程,将其转化为两个耦合的Wiener-Hopf方程,并迭代求解。我们提供数值测试和开放的信源编码。
2021-06-09 cs.NA math.NA
A fast and robust discrete FFT-based solver for computational homogenization
本研究提出一种基于离散FFT的微观力学计算均匀化新方法,采用四面体模板离散,具备格林算子傅里叶表示普适、支持任意各向异性、高对比度下收敛快且稳定三大特性,鲁棒性优于现有同类方法。
2024-05-18 cs.NA math.NA
An FFT framework for simulating non-local ductile failure in heterogeneous materials
使用连续韧性损伤模型的断裂模拟达到了病理性的离散化依赖引起的应变局部化后,损失的椭圆度的问题,在其大小连接到空间离散化的区域。隐式梯度技术抑制这个问题,引入一些非弹性非局部场和解决一个丰富的配方,其中的经典平衡的线性动量是完全耦合的亥姆霍兹型方程的每个非局部变量。这样的亥姆霍兹型方程确定的非本地字段的分布,其宽度由特征长度控制的频带,独立于空间离散化。使用有限元法的这种耦合问题的数值解在计算上是非常昂贵的,并且其用于模拟3D多相微结构中的损伤过程变得令人望而却步。在这项工作中,我们提出了一种新的基于FFT的迭代算法模拟梯度延性损伤的计算均匀化问题。特别是,Helmholtz型方程的隐式梯度法适当推广到多相介质中,多个损伤变量和不同的特征长度可能发挥作用的损伤的正则化模型。在所提出的迭代算法中,两个不同的问题被解决在一个交错的方式:(i)一个传统的力学问题,通过一个混合宏观加载控制的FFT-伽辽金求解器和(ii)广义亥姆霍兹型方程使用Krylov为基础的算法结合了一个有效的预条件。首先对数值实现进行了验证。最后,该算法的鲁棒性和效率被证明在模拟复杂的三维颗粒增强复合材料的破坏特征的数百万自由度。
2021-03-04 cond-mat.mtrl-sci cs.CE cs.NA
Graph Iterative Filtering methods for the analysis of nonstationary signals on graphs
Dipartimento di Scienza e Alta Tecnologia, Università dell’Insubria(因苏布里亚大学科学与技术系);Department of Engineering and Computer Science and Mathematics, Università degli Studi dell’Aquila(阿奎拉大学工程、计算机科学与数学系);Istituto di Astrofisica e Planetologia Spaziali, INAF(INAF空间天体物理学与行星科学研究所);Istituto Nazionale di Geofisica e Vulcanologia(国家地球物理与火山学研究所)
本文提出两种扩展迭代滤波方法用于图信号分析,提供统一收敛分析,并通过多种图数据验证了方法有效性,特别适用于非均匀采样数据。
2026-03-31 cs.NA math.NA
Finite strain FFT-based non-linear solvers made simple
Materials Innovation Institute (M2i)(材料创新研究所);Eindhoven University of Technology(埃因霍温理工大学);Technische Universität Braunschweig(布伦瑞克工业大学);Czech Technical University in Prague(布拉格捷克理工大学)
本文提出了一种基于FFT的非线性求解器,通过变分形式实现无条件稳定方案,结合牛顿迭代与迭代线性求解器,实现鲁棒性和二次收敛性,简化了实现过程并展示了两种不同材料模型的应用。
2017-02-20 cs.NA math.NA
Adaptive Local Iterative Filtering for Signal Decomposition and Instantaneous Frequency analysis
Istituto Nazionale di Alta Matematica, DISIM, Università degli Studi dell’Aquila(罗马高等数学研究所,DISIM,阿奎拉大学);Georgia Institute of Technology(佐治亚理工学院)
本文提出自适应局部迭代滤波方法,用于非线性非平稳信号的分解与瞬时频率分析,通过自适应滤波长度选择和Fokker-Planck方程生成的光滑滤波器实现稳定分析。
2015-10-23 cs.NA math.NA
Fast hyperbolic Radon transform represented as convolutions in log-polar coordinates
Lund University(隆德大学);Institute of Petroleum Geology and Geophysics SB RAS(俄罗斯科学院西伯利亚分院石油地质与地球物理研究所)
本文提出一种基于对数极坐标采样的快速双曲Radon变换方法,利用FFT实现卷积运算,提升计算效率,适用于地震数据插值和多次波消除。
2016-04-22 cs.NA math.NA
Efficient Computation of Dominant Eigenvalues Using Adaptive Block Lanczos with Chebyshev Filtering
本文提出一种结合自适应块Lanczos与Chebyshev多项式过滤的高效方法,用于计算大型非对称可对角化矩阵的主特征值,通过SVD稳定化和迭代过滤提升数值稳定性,实验验证了其有效性。
2025-08-11 cs.NA math.NA
Hyperspectral Chemical Plume Detection Algorithms Based On Multidimensional Iterative Filtering Decomposition
INdAM(意大利国家高等数学研究院);School of Mathematics, Georgia Institute of Technology(佐治亚理工学院数学学院)
本文提出基于多维迭代滤波分解的后处理工具,用于提升化学烟雾边界识别性能,并通过预处理方法实现高光谱数据的去相关与均值中心化,改进了余弦相似度分类器性能。
2015-12-07 cs.CV cs.NA math.NA
Time-frequency representation of nonstationary signals: the IMFogram
迭代滤波方法在2010年左右被引入,以改善信号处理中结构特征的定义和测量。像许多应用技术一样,它们对数学家提出了相当大的挑战,以理论化它们在商业和科学用途中的有效性和局限性。在本文中,我们重铸迭代滤波方法的数学抽象,更有利于他们的理解和应用。我们还介绍了一个新的可视化的同时本地的频率和振幅。通过结合理论和实践的阐述,我们希望能激发更好地理解这些方法的努力。我们的方法承认Ciprian Foias的影响,他热衷于纯数学,应用数学和应用数学。
2021-03-11 cs.NA math.NA
An Iterative Wavelet Threshold for Signal Denoising
该研究提出了受统计过程控制启发的迭代小波阈值去噪方法SpcShrink,可区分有效信号的小波系数,经模拟和生物医学数据验证,性能优于现有算法。
2023-07-20 cs.NA eess.SP math.NA
Fast Intrinsic Mode Decomposition and Filtering of Time Series Data
提出一种快速收敛的迭代方法用于本征模态函数分解,并通过控制点调整和样条插值实现比经验模态分解更高效、可预测的分解,同时给出基于频率和幅度的滤波方法。
2008-09-11 cs.NA math.NA
An FFT-based Galerkin Method for Homogenization of Periodic Media
University of West Bohemia(西波希米亚大学);Czech Technical University in Prague(布拉格捷克理工大学);VŠB-TU Ostrava(俄斯特拉发技术大学)
本文通过证明莫林克-苏quet方法等价于基于三角多项式逼近空间的伽辽金离散化,展示了FFT方法在均质化中的理论支持,并改进了原始求解器性能。
2014-11-20 cond-mat.mtrl-sci cs.NA math.AP
Stochastic global optimization as a filtering problem
University of Minnesota(明尼苏达大学)
将随机全局优化重新表述为滤波问题,利用粒子滤波器聚焦有前途的解,在参数指数密度估计中比朴素全局优化更快收敛。
2009-12-21 cs.NA math.NA math.OC
A Fast and Accurate Numerical Method for the Left Tail of Sums of Independent Random Variables
本文提出一种基于牛顿-柯特斯规则迭代卷积的确定性数值方法,用于高效计算非负独立随机变量和的左尾稀有事件概率,并通过误差分析和数值实验验证其相对误差保持优于FFT。
2024-05-02 cs.NA math.NA stat.CO