组合卡尔曼均衡新算法的研究

在分析卡尔曼算法收敛性能基础上，提出了组合卡尔曼均衡算法，并在时变信道上以线性均衡器（ＬＥ）及判决反馈均衡器（ＤＦＥ）研究了其性能。组合卡尔曼算法与Ｋａｌｍａｎ算法收敛速度相同，稳态误差相近，但克服了Ｋａｌｍａｎ算法因计算误差阵ＰＫ产生会入误差累积而使算法发散的缺陷．     

拟共形映射正规族

关于平面区域ＤＣ上的Ｋ－拟共形映射族ｋ（Ｄ），ＬｅｈｔｏａｎｄＶｉｒｔａｎｅｎ已证明［１］：若（Ｄ）在Ｄ上等度连续，则Ｋ（Ｄ）是正规族。本文给出了Ｋ（Ｄ）是正规族的另一个充分条件：Ｋ（Ｄ）在Ｄ上局部一致有界。     

扩频通信中编码调制与相关接收技术的研究

介绍了扩频通信中数据编码和译码新技术的实现方法及电路组成，重点介绍了ＤＰＳＫ（微分相移键控）、ＭＳＫ（最小移位键控）、ＬＳＩ（大规模集成）相关器及ＣＣＤ（电荷耦合器件）可编程匹配器。通常在组成一个扩频通信系统网络时，遇到的最大难题是如何使硬件技术与信号处理算法相匹配，如何节省频率而且能达到最大的系统容量，另外，还存在高可靠性和低功耗等技术关键问题。     

KDD技术及其网络应用研究

介绍了从数据库中发现知识（ＫＤＤ）技术，探讨了ＫＤＤ技术在网络信息获取中的应用与扩展的问题与方法，简要论述了基于网络的ＫＤＤ技术及其应用，实现和进一步的研究方向。     

稀疏图上有效的MST多边更新并行算法

ＭＳＴ（最小生成树ＭｉｎｉｍｕｍＳｐａｎｎｉｎｇＴｒｅｅ之略）多边更新（ｕｐｄａｔｉｎｇ）问题定义如下：给定一个赋权图Ｇ（Ｖ，Ｅ）和Ｇ的一棵最小生成树Ｔ（Ｖ，ＥＴ），其中｜Ｖ｜＝ｎ，ＥＴ是树边集合，（１）给Ｇ添加Ｋ条新边，或者（２）在图Ｇ上改变Ｋ条边的权后重新为Ｇ寻找一棵最小生成树，１≤Ｋ＜ｎ．本文基于ＳＩＭＤＣＲＥＷＰＲＡＭ共享存贮模型，运用“进－退”策略，并把这一特殊手段与已有的平行算法组合起来，为一类稀疏图（｜Ｅ—ＥＴ｜＝Ｏ（Ｋ））找到了一种有效的ＭＳＴ多边更新算法．该算法需要Ｏ（ｌｏｇｎｌｏｇＫ）时间和Ｏ（ｍａｘ｛ｎ，ｕＫ／ｌｏｇｎｌｏｇＫ｝）处理机．     

Asp38与果蝇醇脱氢酶的辅酶特异性

果蝇醇脱氢酶依赖于ＮＡＤ＾＋,Ａｓｐ３８是一个保守残基,它与ＮＡＤ＾＋的ＡＭＰ单位中核糖羟基作用。野生型果蝇ＡＤＨ的Ａｓｐ３８突变成Ａｓｎ３８（Ｄ３８Ｎ）后,Ｋｍ（ａｐｐ）ＮＡＤＰ值下降至１／６２,Ｋｃａｔ／Ｋｍ（ａｐｐ）ＮＡＤＰ值则增加至５９０倍（ＰＨ９．８）。     

阳极溶出伏安法测定KH_2PO_4中痕量的Sn（Ⅳ）

讨论了在伏安法中ＫＨ２ＰＯ４（ＫＤＰ）对测定Ｓｎ（Ⅳ）的影响并采用１．５次导数阳极溶出伏安法测定了ＫＤＰ中痕量Ｓｎ（Ⅳ），检测下限为９×１０－９ｍｏｌ／Ｌ，回收率达９８～１０８％．     

生长曲线模型中共同均值参数矩阵线性估计的可容许性

给出了５种刻划矩阵估计量的优良性准则，当损失函数为Ｌ（Ｄ，ＫＯＬ）＝（Ｄ－ＫＯＬ）（Ｄ＝ＤＯＬ）‘时，找到了共同均值参数Ｏ的线性函数ＫＯＬ的线性估计是可容许估计的充要条件，推广了目前已知的结果。     

骨料粒径对混凝土断裂参数的影响

采用尺寸为４５０ｍｍ×４５０ｍｍ×４５０ｍｍ四组共１６块不同骨料粒径的楔入劈拉试件进行了断裂试验，研究骨料最大粒径Ｄ＿（ｍａｘ）对混凝土断裂韧度Ｋ＿（ＩＣ）、断裂能Ｇ＿Ｆ以及临界裂缝尖端张开位移ＣＴＯＤ＿ｃ的影响．结果表明，Ｋ＿（ＩＣ）、Ｇ＿Ｆ随骨料最大粒径Ｄ＿（ｍａｘ）的变化而变化。当Ｄ＿（ｍａｘ）≤４０ｍｍ时，Ｋ＿（ＩＣ）、Ｇ＿Ｆ随Ｄ＿（ｍａｘ）的增大而增大；当Ｄ＿（ｍａｘ）＞４０ｍｍ时，Ｋ＿（ＩＣ）、Ｇ＿Ｆ随Ｄ＿（ｍａｘ）的增大而减小且趋于稳定．而ＣＴＯＤ＿ｃ则与Ｄ＿（ｍａｘ）无关．     

张量积的有限呈现维数

文献［１］中定义了交换环上的有限呈现维数，本文在非交换环下讨论它的有限呈现维数，并证明了：（１）若Ｒ与Ｓ均是Ｋ─代数，若Ｓ是忠实Ｋ─平坦的，则有ｌ．ＦＤ（ＲＫＳ）≥ｌ．ＦＤ（Ｓ）．（２）若Ｋ是交换环，Ｒ、Ｓ均是Ｋ─代数，且Ｒ、Ｓ均是忠实平坦的Ｋ─模，ＲＫＳ是左凝聚环，则Ｒ、Ｓ均为左凝聚环。     

短序列、低信噪比条件下积分三谱计算的改进算法

提出了一种适用于短序列、低信噪比条件下计算积分三谱（Integrated Trispectum)的改进算法,在积分三谱计算中将自回归（AR）谱估计代替离散傅里叶变换（DFT）,得到了一个基于AR谱估计的积分三谱算法,通过计算机仿真与传统的积分三谱算法进行比较,发现在加性色高斯噪声、短序列和低信噪比的情况下,改进的积分三谱算法的性能大大优于传统算法的性能。     

基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

高斯白噪声下LMS算法的改进

自适应（ＡＲ）模型是数字信号处理中广为应用的一种模型,它的系数可以通过ＬＭＳ算法求解。但当输入信号受到高斯白噪声干扰时,用ＬＭＳ算法求得的解误差很大,所以提出了改进的算法。通过理论分析,指出这种算法的有效性。     

Differential AR algorithm for packet delay prediction

Different delay prediction algorithms have been applied in multimedia communication, among which linear prediction is attractive because of its low complexity. AR (auto regressive) algorithm is a traditional one with low computation cost, while NLMS (normalize least mean square) algorithm is more precise. In this paper, referring to ARIMA (auto regression integrated with moving averages) model, a differential AR algorithm (DIAR) is proposed based on the analyses of both AR and NLMS algorithms. The prediction precision of the new algorithm is about 5?10 db higher than that of the AR algorithm without increasing the computation complexity. Compared with NLMS algorithm, its precision slightly improves by 0.1 db on average, but the algorithm complexity reduces more than 90%. Our simulation and tests also demonstrate that this method improves the performance of the average end-to-end delay and packet loss ratio significantly.     

AR模型的两种计算量较小的建模方法

建模方法是时间序列分析的核心问题之一。本文给出了两种基于最小二乘法的自回归模型(AR模型)的建模方法。采取预留少量数据递补进入计算的办法,使矩阵XTX可以用分块矩阵求逆公式递推求逆,或者用矩阵的Crout分解法递推求解。同时引入了Winograd向量内积快速算法,充分利用各向量和各矩阵之间的关系来减少计算工作量。使计算量比一般最小二乘建模方法大幅度减少,达到与Marple算法和Burg的最大熵谱法可比的程度。     

AR(1)误差的非线性随机效应模型的参数估计

介绍一类具有AR（1）误差的非线性随机效应模型估计的EM算法。这种算法能一次性的估计出模型中的所有参数，并用随机模拟数据和实际例子说明了EM算法的有效性。     

多传感器多变量AR模型信息融合辨识方法

对于带白色公共干扰噪声、白色观测噪声和传感器偏差的多传感器多变量自回归（AR）模型，当AR模型参数、传感器偏差和噪声方差未知时，提出了一种信息融合多段辨识方法，其中用多重递推增广最小二乘法（MRELS）得到AR模型参数和传感器偏差的局部和融合估值器，再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性。一个仿真例子验证了其有效性。     

基于渐消Kalman滤波的MIMO-OFDM信道估计

针对快时变信道明显的频率选择性,提出了采用Kalman渐消记忆滤波的估计方法.信道采用AR模型建模,并利用LS算法估计时变信道的衰减因子.仿真表明:快时变环境下,所提算法的估计性能优于LS信道估计和传统的Kalman滤波算法估计.     

基于溶解氡数据和长短期记忆网络的地震预报

溶解气氡浓度异常为可靠地震前兆,通过对历史观测数据进行建模,预测溶解气氡未来趋势,是快速检测溶解气氡浓度异常、研究震-氡机制的前提。溶解气氡浓度数据为典型的时间序列数据,传统的时间序列预测技术主要为自回归(AR)方法和自回归滑动平均(ARMA)方法。这些方法以线性方法为主,其拟合精度有限。采用目前最流行的深度学习技术长短期记忆(LSTM)模型对姑咱地震台、西昌地震台和雅安地震台一段时间内连续观测的溶解气氡日观测数据集溶解气氡浓度数据进行建模,采用90%的数据作为训练数据训练LSTM网络,10%的数据作为预测数据,采用均方根误差评价指标来评价模型的效果。在三种数据集上,LSTM的预测误差均方根误差均明显低于AR和ARMA方法。该结果表明,LSTM的预测精度高于传统的AR、ARMA方法。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．