复合钙钛矿型弛豫铁电体的介电机理研究

通过分析复合钙钛矿型弛豫铁电体中极化微区之间相互作用的性质，建立了等效相互作用的参数服从Ｇａｕｓｓ分布的物理模型。利用平衡态和准平衡态中的Ｍｏｎｔｅ Ｃａｒｌｏ模拟，研究了这类材料介电特性产生的机理，通过计算偶极子翻转的弛豫时间分布，提出了冻结偶极子和慢偶极子的概念，系统地解释了弥散相变，频率色散和极化行为等现象，提出由晶体结构不均匀性导致的连续遍历性破缺，是这类材料弛豫特性产生的根本原因。     

宽频段空间信号频率、二维到达确和极化联合估计

在宽频段情况下，利用两个非均匀线阵组成的L型阵列，提出了一种基于ESPRIT和整数搜索解模糊算法的多个独立空间信号频率、二维到达角和极化的联合估计算法，L型阵列由与坐标轴方向平行的偶极子对组成，数值模拟结果证实了这种方法的有效性。     

多项式的完全判别系统

符号（文字）系数多项式的１个完全判别系统是由这些系数构成的１组显式表达式，这些表达式足够判定该项式的实根和虚根的数目及相应的重数，这样１个关于多项式根的分类的显式判准，对于五次及五次以上多项式迄今无人给出，这方面有效工具的缺乏，严重地妨碍了Ｔａｒｓｋｉ的判定算法及近期的一些机器证明方法的计算机实现，为了弥补这一缺陷，提出了对任意次数的多项式建立完全判别系统的１个通用算法，这一结果在各个不同的领域会     

宽频段空间信号频率、二维到达角和极化联合估计

在宽频段情况下,利用两个非均匀线阵组成的L型阵列,提出了一种基于ESPRIT和整数搜索解模糊算法的多个独立空间信号频率、二维到达角和极化的联合估计算法. L型阵列由与坐标轴方向平行的偶极子对组成. 数值模拟结果证实了这种方法的有效性.     

基于粒子群优化算法神经网络在开采沉陷中的应用

考虑BP网络存在收敛速度慢、局部极值等缺点，引入线性下降惯性权重粒子群优化（LWPSO）算法，建立基于线性下降惯性权重粒子群优化（LWPSO）算法的人工神经网络模型，在分析抚顺发电有限责任公司厂区地表下沉的实际观测资料的基础上，对厂区的任意点，任意时刻进沉陷预测研究。     

序列递推关系与一类代数几何码的有效译码

对于一类代数几何码，在其错误向量的伴随式序列上引进了一种递推关系，运用广义Ｂｅｒｌｅｋａｍｐ－Ｍａｓｓｅｙ算法，结合大数表决方案，给出了一类代数几何码的一个达到 Ｆｅｎｇ－Ｒａｏ界的有效译码算法，这个算法的复杂度为Ｏ（ｒｏ１ｎ＾２），对于不同的代数曲线，可通过适当选取基函数来降低算法的复杂度。     

平面多层介质中空域Green函数的高效算法与应用

基于偶极子场理论，经过4个基本函数重构所有的矢量势和标量势谱域Green函数，并利用二级离散复镜像方法和高阶Sommerfeld恒等式，提出一种平面多层介质中的空域Green函数的高效算法．算法的优势在于：避免了利用传输线理论时需重写谱域Green函数各个分量，从而在不改变当前积分路径的前提下，直接提取表面波的影响，得到近区场和远区场都适用的空域Green函数，同时，有效地避免了电磁场混合势积分方程中电流（磁流）产生磁场（电场）的旋度因子，十分方便分析平面分层介质中三维结构的电磁散射和辐射特征，通过平面微带周期光子带隙（PBG）结构的S参数、大型微带天线阵列的雷达散射截面和平面分层介质中具有三维结构的目标的辐射场、散射场特性的数值分析，证明算法的有效性和正确性。     

基于平行因子分析的频率、二维到达角和极化参数联合估计

文中基于平行因子分析、结合高阶累积量,提出了一种信源频率、二维到达角和极化参数联合估计的新算法。该算法给出了一种新的阵列结构;接着巧妙选择特定偶极子对的输出计算四阶累积量,进而构造高维矩阵;然后基于形成的矩阵在累积量域构造平行因子分析模型,并分析了该模型低秩分解的唯一性,最后利用其分解的结果联合估计信源参数。文中算法有效减小了阵列孔径损失、避免了参数配对。最后给出的仿真结果证实了文中算法的有效性。     

主分量分析算法的收敛性

分析了基于随机样本（Ａｋ）的主分量分析算法的收敛性。与前人的工作相比，在较弱的条件下证明了算法ａ，ｓ，收敛到矩阵Ａ＝ＥＡｋ的特征向量和特征值。     

基于神经网络的递推分块方法求任意高阶多项式的根

提出一种新的基于约束学习神经网络的递推分块方法, 来分批(块)求解任意高阶多项式的任意数(小于多项式的阶)个根(包括复根). 同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法, 提出了对应的学习参数的自适应选择方法. 实验结果表明, 这种分块神经求根方法, 相对传统方法, 能够快速有效地获得任意高阶多项式对应的根.     

任意共形同轴线电容的变分闭式

基于连续函数的变分极值理论，从共形同轴线电容问题中提炼出基本三角形和任意三角形，由它们可以叠加成任意共形同轴线，同时进一步发展了微分三角形来解决任意曲线方程，导出了任意共形同轴线电容的变分解析闭式，从而比较彻底地解决了任意共形同轴线电容问题．文中给出了各种共形同轴线的实例，讨论了所提出方法的应用和解析闭式的准确性．     

α进制最小能量区间小波框架的构造

基于小波多尺度特征和信号多通道理论需要,本文对a进制最小能量区间小波框架进行了系统研究,其中a为任意大于等于2的正整数.首先,给出了a进制最小能量区间小波框架的定义,建立了a进制最小能量区间小波框架的充要条件;其次,我们设计了支撑长度为任意整数γ的a进制最小能量区间小波框架的构造算法,并构造性地给出了构造算法所涉及矩阵的表达式;最后,给出了最小能量区间小波框架的分解与重构算法,并构造了数值算例.     

双势阱铁电体的场致应变效应

基于德文希尔-朗道的唯象理论,用统计方法研究了四方相双势阱铁电体在电场作用下偶极子的极化和90°翻转产生的电滞回线和电致伸缩效应,用数值模拟的方法探讨了材料参量、偶极子耦合系数和温度对电滞回线和电致伸缩的影响规律,得到了有意义的结论:材料参量α_0/β越大,电滞回线的高度越高及蝶形回线电致伸缩的底部越宽;偶极子间的交换耦合系数越大,应变的蝶形回线越宽;温度越接近居里点,应变的两条回线在交点处分离得越开,证明了经验规律:电致伸缩系数与居里-外斯常数C的乘积为常数;上述规律能够合理地解释电致伸缩的相关实验结果.     

一种基于改进SVA的SAR旁瓣抑制算法

针对现有的Spatially Variant Apodization(SVA)算法不能有效抑制旁瓣或损失主瓣能量的问题,该文提出了一种改进的SVA算法.该算法把传统的滤波器从3点扩展到5点,并且根据采样率的不同,设定相应的滤波器参数,得到满足约束优化理论的最优解.改进的SVA算法能够与合成孔径雷达(Synthetic Aperture Radar,SAR)成像算法相结合,在距离压缩和方位压缩中,分别利用改进的SVA算法来抑制旁瓣.该算法适用于任意奈奎斯特采样率,既能有效地抑制旁瓣,又能保持主瓣的能量和信号的高分辨率.实验结果表明,与传统的频域加窗方法相比,该方法能够在保持图像高分辨率的前提下,更有效地抑制旁瓣.     

具有切换时延的抢占和非抢占式光交换调度研究

在分组交换和路由器设计中弓』入光交换技术，在可升级性、带宽、功率消耗和成本等多方面具有好处．然而，光交换机的切换时延比电交换机的切换时延长得多，使得传统面向电交换的时隙调度算法不适合于光交换环境，因此，需要设计新的调度算法，以便在传输的时隙空隙和切换次数间找到折衷．将此类光交换调度问题分为抢占式调度和非抢占式调度两种不同情形，分析并指出了它们各自的优缺点．尽管非抢占式调度不利于在时隙空隙和切换次数间取得折衷，但对于任意的切换时延，给出的基于最大加权匹配的贪心算法都可以实现2-近似（成本不高于最优调度的两倍），而且算法复杂度不高，为O（N^2）．对于抢占式调度，也给出了一种新颖的调度算法——2-近似启发式算法．每次在查找交换机的切换矩阵时，该算法都能保证剩下的业务矩阵都是2-近似的．仿真结果和分析表明了2-近似启发式算法：1）非常逼近最优调度；2）比ADJUST和DOUBLE算法无论是在业务传输时延，还是在计算复杂度上，都有显著改善．     

铁电体的极化储能效应

三维铁电体的偶极子等概率地分布在晶格取向相关的特定极化方向上.外加电场后,各个方向的偶极子对电场的响应不同,导致了各种场致效应.最基本的效应是电场对极化强度在相变温区的诱导和转向,导致铁电体在相应温区实现了高的储能密度效应.基于铁电体德文希尔理论三维吉布斯自由能与极化强度的关系,得到了二阶相变铁电体偶极子的诱导及取向对极化储能密度和放电能量密度的影响.研究结果显示:低电场下储能峰低于居里温度,并随电场增大接近并超过居里温度;两个铁电参量的比值对铁电体的极化行为、电滞回线和储能密度具有关键影响并使其相互关联.同时还发现介电峰的温度宽度对应电滞回线形状变化的温度宽度和储能密度峰的温度宽度,且储能密度峰越高,峰的温区越窄.     

自环流网络潮流跟踪算法

运用级数理论给出环流网络潮流跟踪算法. 计算中, 将网络环流等效为一个节点, 从而得到原网络的简化网络. 基于此, 运用图论求出发电机节点到负荷节点的有向路, 进而得到原环流网络的无穷多条有向路. 运用比例分摊原则、级数理论和网络节点间有向路便可得到发电机对负荷的功率分配. 给出了网络自环流系数的定义及其性质. 利用自环流系数的性质, 证明了算法的收敛性定理: 基于比例分摊原则的自环流网络潮流跟踪算法总是收敛的. 同时, 证明了算法的有效性定理: 基于比例分摊原则, 用有向路算法对无损的环流网络进行潮流跟踪时, 任意节点上发电机对所有负荷的贡献总额等于发电机的出力. 并用IEEE14节点系统和国内考核题型Ⅱ证实了该方法.     

用新的神经网络求解MCM系统划分问题

提出了一种新的自组织神经网络模型，这种网络克服了Ｋｏｈｏｎｅｎ自组织神经网络不能直接处理划分和布局问题的面积约束，邻域确定困难和学习速度慢等缺点，还将这一神经网络模型应用于以芯片间连线代价最小和时钟周期最小为优化目标的，以面积和是延为约束条件的性能驱动的ＭＣＭ系统划分中，算法不仅学习速度快，能够处理大规模电路划分问题，而且具有整体优化效果，本算法已用ＶｉｓｕａｌＣ＋＋编程实现，实验结果表明，这是一     

基于细胞神经网络的图像分割及其在医学图像中的应用

细胞神经网络（cellular neural network,CNN）在图像处理方面的应用研究已有很大进展. 其中,指定目标提取CNN现有算法应用于灰度图像时,其有效性依赖于初始点的选择. 以医学图像为例,对这种局限性进行了分析,并提出了一种改进CNN算法,实现了对图像中任意灰度区域的目标物体分割. 同时利用梯度信息和轮廓提取CNN确定轮廓,有效抑制分割过度. 人脑磁共振成像（MRI）中肿瘤分割的实例表明,改进的算法具有实用性和有效性.     

两步EFOP参数估计的递推算法

经验频域最优参数（EFOP）估计方法是基于时域估计和频域估计的一种系统辨识方法．其优点在于能够降低噪声影响，对小样本数据的随机系统具有较好的辨识效果．利用松弛算法而建立的两步EFOP方法，可适用于ARMA和Box-Jenkins等模型．文中对受干扰的随机系统，推导出两步EFOP方法的递推算法．对新的递推算法进行了仿真，并利用实验结果分析和验证了该算法的有效性．