基于正则先验的全变差快速代数迭代算法及其在火焰辐射测量中的重建性能分析

针对传统重建算法对火焰重建精度低、重建速度慢的问题,提出了基于正则先验的全变差代数迭代(ARTTV)算法,以提高对称与非对称火焰的重建精度。同时,为了提高重建速度,建立了基于“ARTTV-粒子群算法(PSO)内核”的极限学习机(ELM)神经网络,该神经网络具有与迭代算法近乎相同的重建能力,同时又具有超过迭代算法约300倍的重建速度。