双指数分布位置参数的经验Bayes检验问题：NA样本情形

讨论了双指数分布位置参数的经验Bayes（EB）检验问题，利用同分布NA样本构造了EB检验函数，在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度．     

基于新息更新的时变步长LMS算法(TVSLMS)

提出一种基于新息更新的时变步长LMS算法(TVSLMS).该算法结构简单,时变步长设计新颖,与典型的LMS算法,如著名学者Windrow的LMS算法和Doherty和Porayath所提出的DLMS算法相比,TVSLMS算法收敛速度最高.尤其是算法所引入的收敛加速度,对收敛速度具有灵敏的调速作用.     

ρ~*-混合序列对数律的收敛速度

研究了ρ*-混合序列{Xn,n≥1}对数律的收敛速度,在较弱的矩条件下,把ρ-混合序列对数律的收敛速度推广至更广泛的ρ*-混合序列的情形,并将其结果作了一定的改进,同时给出了ρ*-混合序列对数律的收敛速度的一种描述.     

Baskakov-Durrmeyer算子收敛速度的估计

利用Bojanic方法来估计Baskakov-Durrmeyer算子对在[0,∞)有界变差函数的收敛速度,并且收敛速率是不可改进的.     

多枝域电磁场问题快速投影分解法的收敛性分析及应用

对求解枝连区域上电磁场问题的投影分解法和快速投影分解法的收敛性进行了分析和比较,并证明了快速投影分解法的收敛速度要快于一般的投影分解法.实际应用表明,快速投影分解法的收敛速度大大加快,其迭代次数大约只有原来的三分之一左右.     

VoIP回声消除中LMS改进算法的研究

为解决Vo IP中语音回声问题,给出了一种改进的变步长LMS算法.改进算法在收敛时具有较大的步长,能快速消除回声,收敛后,步长变小,以减小稳态误差,使收敛速率与稳态误差之间的矛盾得到改善.仿真结果表明,改进算法的收敛速度和回声消除效果较好.     

自适应变步长并行Laguerre盲均衡算法研究

深衰落信道会引起抽头系数长和误码率高等问题.在分析现有滤波器结构及盲均衡算法的基础上,提出了自适应变步长并行Laguerre盲均衡算法.该算法采用Laguerre序列代替传统抽头延迟,缩短了抽头系数,并借助判决引导算法和分数间隔思想,加快了算法收敛速度.鉴于步长因子对盲均衡器收敛速度、剩余码间干扰影响较大,对不同自适应步长算法进行了分析和比较.在此基础上提出了适用于高速通用数据链信号盲均衡的步长修正方案.实验表明该算法较传统算法在收敛速度、误码性能方面均有所提升.     

GFT对角化系统的多重网格方法

研究广义离散傅立叶变换(GFT)对角化线性系统的多重网格算法.证明了二重网格(TGM)算法的收敛速度为与矩阵的阶无关的常数.数值实验验证了二重网格与多重网格(MGM)方法具有收敛速度快等特点.     

测控信号随机时延对迭代学习控制系统的影响

测控信号通过无线网络传输受到的随机时延严重影响迭代学习控制系统的收敛性能. 在一步随机时延模型的基础上,得到包含随机时延影响因子的系统转移矩阵,然后分别针对测控信号发生时延的情况,研究转移矩阵内决定系统收敛速度的特征值,以及决定系统鲁棒收敛性的下三角内其他元素取值的变化情况. 由分析可知,测控信号随机时延不仅会降低系统的收敛速度,而且会影响系统的鲁棒收敛性. 尤其是控制信号随机时延,它对系统鲁棒收敛性的影响明显强于测量信号随机时延的影响. 仿真实验表明了分析结论的正确性.     

引入动量因子的双自适应自然梯度算法

为克服自然梯度算法收敛速度和稳态误差之间的矛盾,提出了一种引入动量因子的双自适应自然梯度算法,该算法将动量因子分别引入到自然梯度算法的步长因子和分离矩阵中,并根据实时分离度自适应调整动量因子,从而在加快算法收敛速度的同时,降低稳态误差.仿真实验证明,提出的新算法的性能明显优越与固定步长和自适应步长自然梯度算法.     

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计，利用同分布负相协（NA）样本构造了经验Bayes（EB）估计量，并在适当的条件下获得（EB）估计的速度．     

行为NA的随机变量阵列加权和的收敛性

利用NA随机变量序列的矩不等式,得出了行为NA的随机变量阵列加权和在Cesáro一致可积条件下的Lr收敛性和弱大数定律,以及在弱于Cesáro一致可积条件下行为NA的随机变量阵列加权和的完全收敛性,推广和改进了目前该方面的主要结果.     

多空间投影分解法及参数优化并在电磁场问题上的应用

为了提高复杂多枝区域上电磁场问题快投影分解法的计算效率,分析了最优参数选取并给出了其表达式,提高了实用效率,实际应用表明收敛速度也大大加快.使用最优值快速投影分解法使得迭代次数大幅减少,其迭代次数约为原来普通投影分解法的三分之一.     

固定设计点情形下回归函数的非线性小波估计

在固定设计变量但不一定等距,误差为一般的随机变量的情况下,构造了回归函数的非线性小波估计以及自适应非线性小波估计。证明了非线性小波在Besov空间中可达到最优收敛速度,自适应非线性小波估计在一大类Besov空间中可达到次最优收敛速度(即和最优收敛速度只相差lnn)。这样,在固定设计变量情况下,构造的回归函数的非线性小波估计和Donoho等人在等距固定设计点对回归函数的非线性小波估计几乎具有同样的优良性质。进一步,只要求误差为有界三阶距,而Donoho等人要求误差服从正态分布。     

黄雀、黄喉鹀延髓听觉神经核团的形态学研究与比较

用冰冻切片及尼氏染色法观察了鸣禽类黄雀(carduelisspinlaus)与黄喉鹀(Emberizaelegans)低位脑干中的听觉核团的位置、形态及细胞组成并进行了比较.结果表明,组成听觉上行通路第一级中继站的两对耳蜗核(Nucleuscochear),即延髓的巨细胞胲(Nuclcusmagnocellularis.NM)和角状核(Nucleusamgularis,NA)有明显的形态学差异.巨细胞核呈卵圆形,其细胞均为圆形或椭圆形,胞体较大,长径为25-30μm,突起较少.而角状核呈三角形,核内包含各种类型的细胞,其中有纺缍形、多极型和卵圆形等,胞体大小不等,长径为12-25μm,突起较长.由此提示这两对耳蜗核可能有不同的功能.延髓层状核(Nucleuslaminavis,NL)是听觉上行通路中的第二级中继站,核团呈棒状或卷曲状,中央部呈"Z”或"S”字形,细胞呈层状排列,胞体呈长梭形或多极型,长径为20-25μm,突起较长.本文为进一步研究鸣禽类的听觉机能及声源定位等提供了一定的形态学基础.