混合调制信号调制识别方法

研究基于决策理论算法的混合调制信号特征参数提取与自动识别技术,提出适合混合调制信号调制识别的树型分类器及相应识别步骤。在外调制、内调制识别时首次分别采用副载波信号个数构成的特征矢量、均值归一化包络方差、副载波信号瞬时幅度分布区域统计值等算法,抑制噪声干扰,提高特征参数的准确性,仿真结果表明,在信噪比为6 dB情况下,调制识别率接近90%,和现有混合调制识别方法相比取得较好的识别效果,在混合信号调制识别管理中具有广泛的应用前景。     

一类带有三元算子的广义混合拟平衡问题

研究了一类带有三元算子的广义混合拟平衡问题,运用辅助原理的技巧,给出了这类广义混合拟平衡问题的近似点算法,并讨论了由算法所生成迭代序列的收敛性,所得结论推广了近期文献中的相应结果.     

方差分量二次型估计及容许性

在线性模型中,方差分量是比较重要的一类参数.本文给出了线性混合模型两个方差分量的二次型估计,并得到所得二次型估计类的一些性质,如无偏性、不变性、在均方损失下的容许性,并且利用截断法对所得的估计进行非负改进.     

一个混合粒子模型的存在性

讨论相空间为X={0,1,2}Z,其中Z为整数集的一个混合粒子模型,即两个粒子接触-排它过程,并给出它的存在性.     

含参数广义强向量均衡问题解映射在混合扰动下的连续性

针对含参数广义强向量均衡问题,在有偏序扰动的混合扰动下,建立了其有效解映射.证明了此解映射在更弱的条件下具有连续性.给出一些例子阐述了该结果是最近相应文献中结果的推广,并且说明了最近文献中的结果并非真正本质的.     

对偶L_q变换法则

在已有结果的基础上对对偶L_q Brunn-Minkowski理论做了一些推广,主要讨论了对偶L_q Brunn-Minkowski型不等式并得到部分结果.给出统一的处理对偶L_q Brunn-Minkowski型不等式的方法,称此方法为对偶L_q变换法则,通过运用此法则给出了关于对偶混合体积著名的对偶L_q Brunn-Minkowski型不等式的简化证明.     

含终端等式约束LQ时变控制器设计的新方法

对于LQ终端约束控制问题,利用所引入的Lagrange乘子是常数的本质,构造了新的两区段形式的终端控制器,避免了传统控制器在靠近终端区段时反馈增益矩阵过大、甚至奇异的缺点,而且两个区段的控制律都具有反馈一前馈结构;对求解终端控制器问题的变分原理做了改进,分析了新变分式中的软约束项与反馈增益矩阵之间的联系,指出它对于构造反馈结构的控制器,尤其是对最小能量控制问题,具有重要的意义．进一步,利用区段混合能理论中的能量矩阵,构造了终端控制器的矩阵Riccati微分方程组的闭合解．最后,通过求解一个航天器交会最优控制问题,检验了本文所设计的LQ终端约束控制器的有效性及优越性．     

双键功能化的金纳米粒子的制备与表征

通过四辛基溴化铵稳定的金纳米粒子(TOAB-Au)与含可聚合双键的二硫化物配体之间的置换反应,制备了四种双键功能化的金纳米粒子,并通过紫外光谱、红外光谱、X-光电子能谱、透射电镜和热重分析对金纳米粒子的形貌和组成进行了表征。结果表明,双键功能化的金纳米粒子能够稳定地分散在氯仿和四氢呋喃溶剂中,粒子直径在4 nm到8 nm之间,表面等离子共振吸收峰随配体的不同在521 nm到532 nm之间改变。四种双键功能化的金纳米粒子的表面配体接枝密度在4.2到6.6之间。     

一种高精度的近场与远场混合源定位算法

提出了一种高精度的近场和远场混合信号源定位算法．此算法利用混合源阵列流形的对称性特点,从阵列流形里分离出到达角（directionofarrival,DOA）信息,并实现对所有近场与远场信号源DOA的估计．基于得到的DOA估计值,根据近场与远场源距离参数位于不同区间的特点实现对近场及远场源的分类,以及对近场源距离参数的估计．此算法由于充分利用了数据协方差矩阵的信息,并且基于多项式根值方法形成了一个统一的DOA估计器,所以获得了一个高精度的DOA估计性能,且进一步提高了近场源range参数的估计精度．此外,此算法不需要构造高阶累积量,不需要进行二维搜索,不需要进行参数配对;所有的实现过程仅需一维搜索,计算量小,实现简便．数值及与现有算法的对比实验验证了所提出算法的有效性及优越性．     

基于用户兴趣域的混合数据聚类标签算法

数据聚类标签技术是在小规模样本上进行聚类,然后利用聚类结果对其余样本标注类别的方法是提高大规模数据聚类效率的一种有效途径.混合数据是现实应用中最广泛的数据类型,文章将用户兴趣数据作为小规模数据,利用K-prototypes算法对其聚类,在此基础上构建用户兴趣域.利用拟标签数据的各属性值与用户兴趣域分量的关系定义了数据关于用户兴趣域隶属度.基于用户兴趣域和"数据-用户兴趣域"隶属度的概念,提出了一种基于用户兴趣混合数据聚类标签算法UIMCL(User’s Interest Mixed Data Clustering Label).该算法克服了以往数据标签算法只能为拟标记数据指派一个类标签的局限性,可以应用于电子商务的推荐服务和用户行为分析.实验结果表明,该算法对混合数据聚类标签处理有较好的效果.