简介：Inthispaper,twoframeletbaseddeconvolutionalgorithmsareproposed.Thebasicideaofframeletbasedapproachistoconvertthedeconvolutionproblemtotheproblemofinpaintinginaframedomainbyconstructingaframeletsystemwithoneofthemasksbeingthegiven(discrete)convolutionkernelviatheunitaryextensionprincipleof[26],asintroducedin[6-9].Thefirstalgorithmunifiesourpreviousworksinhighresolutionimagereconstructionandinfra-redchoppedandnoddedimagerestoration,andthesecondoneisacombinationofourpreviousframe-baseddeconvolutionalgorithmandtheiterativethresholdingalgorithmgivenby[14,16].Thestrongconvergenceofthealgorithmsininfinitedimensionalsettingsisgivenbyemployingproximalforward-backwardsplitting(PFBS)method.Consequently,itunifiesiterativealgorithmsofinfiniteandfinitedimensionalsettingandsimplifiestheproofoftheconvergenceofthealgorithmsof[6].

简介：ＯｎｔｈｅＣｉｒｃｕｌａｎｔａｎｄＡｐｅｒｉｏｄｉｃＭｏｄｅｌｓｏｆＤｅｃｏｎｖｏｌｕｔｉｏｎ￥ＺｏｕＭｏｕｙａｎ＆ＲｏｌｆＵｎｂｅｈａｕｅｎＡｂｓｔｒａｃｔ：Ｔｈｅｐｏｐｕｌａｒｌｙｕｓｅｄｃｉｒｃｕｌａｎｔｍａｔｒｉｘｍｏｄｅｌｏｆｄｅｃｏｎｖｏ...

简介：

简介：preconditioned结合坡度deconvolution方法联合稀少的deconvolution和最佳的preconditioned的实现结合坡度方法转换到思考系数。这个方法能提高地震数据处理的频率并且拓宽有效频率带宽。就地震信号的变化时间的性质而言，我们在deconvolution期间用多尺度的变化时间的小浪代替经常的小浪。数字测试证明这个方法能获得好申请结果。

简介：Inthispaper,weproposeadiscrepancyrule-basedmethodtoautomaticallychoosetheregularizationparametersfortotalvariationimagerestorationproblems.Theregularizationparametersareadjusteddynamicallyineachiteration.Numericalresultsareshowntoillustratetheperformanceoftheproposedmethod.

简介：预兆的deconvolution算法(PD)基于秒顺序统计，假设primaries和multiples是含蓄地直角的。然而，地震数据通常不在实践满足这个假设。自从地震数据(primaries和multiples)，有non-Gaussian分布，在这篇论文我们在场由最大化恢复primaries的non-Gaussianity的一个改进预兆的deconvolution算法(IPD)。合成、真实的地震数据集上的IPD方法的应用证明建议方法获得有希望的结果。

简介：

简介：在狂暴的政体的海军司烧方程的直接数字的模拟也不是计算地可行的在确定或(特别)在随机的盒子中。因此，狂暴的建模必须被采用。我们为狂暴的随机的海军司烧方程(NSE)的模拟考虑近似deconvolution模型(ADM)的家庭。为雷纳兹数字的中等的值，我们调查效果随机的强迫(通过边界条件)与直接数字的模拟相比穿上ADM方程的解决方案的精确性。尽管ADM答案的存在，唯一和可证实性已经在确定的背景被证明了，随机的NSE的一个答案的analyticity是困难的证明。因此，我们从计算观点走近这个问题。一个Smolyak类型稀少的格子随机的搭配方法为解决方案的开始的二统计时刻的近似被采用--期望的值和变化。我们证明为不同测试问题，在随机的案例中的当模特儿的错误与一样为确定的背景预言了。尽管ADM为某些边界条件仅仅可以证明是适用的(零或周期)，我们与边界层和再通行区域在一个问题上测试模型并且证明模型正确地在边界数据与噪音预言随机的NSE的答案。[从作者抽象]

简介：常规nonstationaryconvolutional模型假设地震信号在正常发生被记录。因为偏移量的效果，未加工的射击集合远离这个假设。因为如此的问题，我们建议一条新奇prestacknonstationarydeconvolution途径。我们介绍光线的踪迹(RT)转变到nonstationarydeconvolution，我们与在RT领域的基于可变步的采样(VSS)的夸张变光滑估计nonstationarydeconvolution因素，并且我们获得高分辨率的prestacknonstationarydeconvolution数据。RT变换明显的速度和traveltime从偏移量和traveltime坐标印射射击记录到那些。在RT的踪迹的光线路径更好满足convolutional模型的假设。建议方法联合过滤的静止deconvolution和反的Q的优点，没有为Q的优先的信息。在RT域的nonstationarydeconvolution在时空(XT)是比那更合适的为prestack数据的领域因为它是正常的概括扩展发生。有合成、真实的数据的测试证明建议方法在补偿大偏移量、深的数据是更有效的。

简介：与高精确性提取multipath的参数能被为时间域使用高分辨率的算法完成极端宽带(UWB)隧道建模。干净算法为UWB时间域描述被用作如此的一个高分辨率的算法。这份报纸论述压缩察觉到(CS)为时间域UWB隧道建模基于高分辨率的deconvolution算法。UWB无线隧道是长、稀少的隧道推动反应(CIR)的一个主要例子。而且，仔细匹配multipath的波形的parameterized波形的字典导致UWB隧道测量信号更简洁地被代表。由调整字典的参数，不同分辨率的CIR能被获得。匹配的追求(MP)算法为CS被用作信号重建方法并且直接输出CIR。我们也证明如果CS的字典明确地被设计，MP是单个模板的等价物干净。最后，CS-MP的计算复杂性被分析并且MP的比较并且干净被执行。模拟结果显示出那与相比干净，建议CS-MPdeconvolution算法能与许多少数完成可比较的表演采样。

简介：这笔记涉及为州的空间模型描述的线性变化时间的分离时间系统过滤问题的H无穷deconvolution。H无穷deconvolution过滤器被在Krein空间建议一条新途径导出。与新途径，在一个H无穷背景的中央deconvolution过滤器与在与一个构造随机的州空间的模型联系的一个H2背景的那个一样，这清楚地被显示出。这卓见允许我们以一个直觉、简单的方法计算复杂H无穷deconvolution过滤器。deconvolution过滤器被与象原来的系统的一样的顺序执行Riccati方程计算。

简介：Whitenoisedeconvolutionorinputwhitenoiseestimationproblemhasimportantappli-cationbackgroundsinoilseismicexploration,communicationandsignalprocessing.Bythemoderntimeseriesanalysismethod,basedontheAuto-RegressiveMovingAverage(ARMA)innovationmodel,underthelinearminimumvarianceoptimalfusionrules,threeoptimalweightedfusionwhitenoisedeconvolutionestimatorsarepresentedforthemultisensorsystemswithtime-delayedmeasurementsandcoloredmeasurementnoises.Theycanhandletheinputwhitenoisefusedfiltering,predictionandsmoothingproblems.Theaccuracyofthefusersishigherthanthatofeachlocalwhitenoiseestimator.Inordertocomputetheoptimalweights,theformulaofcomputingthelocalestimationerrorcross-covariancesisgiven.AMonteCarlosimulationexampleforthesystemwith3sensorsandtheBernoulli-Gaussianinputwhitenoiseshowstheireffectivenessandperformances.