基于压缩感知的新型宽带频谱协作检测算法

针对认知无线电领域现有的宽带频谱检测技术在低信噪比情况下检测性能不足的问题,提出了一种新型的基于压缩感知的宽带频谱协作感知算法。该算法依据无线通信信号在循环谱域具有独特的稀疏特性,首先从信号相关函数的压缩采样中获取循环谱的观测值,然后利用稀疏自适应同步匹配追踪协作重构算法重构出整个宽带内所有信号的循环谱。仿真结果表明：该宽带检测算法在低信噪比和瑞利衰落信道条件下,具有较好的检测性能。同时,与以往经典的重构算法相比,该算法中提出的稀疏自适应同步匹配追踪协作重构算法在重构精度和算法复杂度等方面都有较大的提高。     

锌、稀土元素的同时配位滴定法测定锌的含量

探讨了用锌、稀土元素的同时配位滴定法测定锌含量的方法，在适当的条件下，用EDTA滴定混合或单个稀土（Ⅲ）和锌（Ⅱ）的总量，在另一份淀液中把锌掩蔽后滴定稀土（Ⅲ）的量，由两次滴定的差值求得锌的含量，结果理想。该法操作简便，迅速，有一定的实用性。     

电力系统潮流并行算法的研究进展

随着高性价比可扩展集群并行系统的逐步成熟和应用 ,大规模电力系统潮流并行计算和分布式仿真成为可能。该文首先简要介绍了电力系统的潮流计算模型及基本算法 ,分析了算法中存在的困难。然后分析了 4类较重要的电力系统潮流并行算法 :分块法、多重因子化法、稀疏矢量法和逆矩阵法 ,同时讨论了这 4种潮流并行算法的基本原理和实用效果 ,比较了各种并行算法的优点和局限性 ,并指出基于集群系统的粗粒度区域分解潮流并行算法最具发展潜力。     

推广的正则化FOCUSS算法及收敛性分析

针对一类可分的稀疏性度量函数,利用梯度分解技术给出了稀疏信号重构的拟牛顿算法。进一步研究表明,基于再加权最小2 范数的FOCUSS算法以及基于p 范数的正则化FOCUSS算法都是拟牛顿算法的特例。由此导出了可用于稀疏成份分析的广义正则化FOCUSS算法,并证明了该算法的收敛性。数值结果表明广义FO CUSS算法收敛到局部极小点,并且在迭代初值较为准确时能找到最合理的稀疏解。     

基于插值法计算Dixon结式

在经典方法中，计算Dixon多项式和结式都要涉及到行列式的计算。由于行列式中的元素通常是符号化的，即其中每个元素都是关于变元(或参数)的多项式，从而导致行列式展开时的中间计算过程膨胀(甚至爆炸)。对此，提出在结式计算过程中将符号计算数值化，即对变元选择不同的插值点，将行列式中的元素数值化。然后，求出在不同插值点下行列式的值。最后，根据Zippel多变元插值法或其他相关插值算法计算出Dixon多项式和结式。采用插值方法有效克服了经典算法的中间计算过程膨胀问题。     

基于模拟退火算法的最优层叠滤波器设计

为了改进层叠滤波器的优化方法,提出基于模拟退火算法的层叠滤波优化设计方法,用来处理灰度图像.层叠滤波器是基于阈值分解发展起来的一种非线性滤波器,它的优化过程是对正布尔函数不断学习的过程.模拟退火算法是一种通用的优化算法,目前已在工程中得到广泛的应用,优化的时间相对于遗传算法要短.仿真结果可知,应用模拟退火算法的优化层叠滤波器,可有效滤除噪声和保持图像细节.     

宽频带双极化天线元的研究

对可用作有源相控阵元的多层微带贴片天线的频带展宽方面的技术作了介绍和分析,重点研究了其中层叠式展宽频带的思路.用全波分析法分析了层叠微带贴片天线的特性,采取了共面波导对十字形槽馈电的新颖的馈电结构,设计并仿真了一个多层结构的宽频带天线元,验证结果良好.     

大型稀疏线性方程组的全稀疏存贮策略

有限元求解的大型线性方程组,其系数矩阵一般具有稀疏对称的特点,为了减少系数矩阵的存贮规模,同时便于求解,采用全稀疏存贮策略:在求解过程中只存贮对称部分的非零元素,用链表式管理算法,既减少存贮空间,又便于存贮结构的动态更改。这里给出的数值算例是使用ICCG迭代法与不同的存贮方式配合求解,该方案在时间和存贮上都较为占优,更好的提高了求解效率,能够应用于有限元大型稀疏线性方程组的求解。     

考虑螺距时有限长超导螺线管电流磁场的分布

应用数值模拟方法 ,分析了疏松型超导螺线管电流轴线外的磁场与螺距、长宽比、管内位置的变化关系 .计算结果表明 ,当螺距较大时 ,其磁场分布与密绕螺线管电流的磁场 (均匀磁场 )分布相差很大 ,磁场在空间各个方向都有分量 ,螺距越大 ,长宽比越小 ,垂直于轴线方向的磁场分量越大 ;但当螺距较小 ,长宽比较大或距螺线管中心较近处 ,磁场几乎与密绕螺线管电流产生的磁场相当 ,可用密绕螺线管电流轴线上磁场的简单公式来近似     

利用半群代数中Grbner基构造特征值方法

特征值方法是求解多项式方程组的基本方法之一。由于利用了多项式的稀疏性半群代数 K[A]中算法提高了效率。利用半群代数 k[A]中 Gr?bner 基,构造了求稀疏多项式方程组解的特征值矩阵。证明了 PzvV (G) 为有限点集,则可构造一和 xjv 有关的有限阶方阵 B ,使得 PzvV(G) = σ(B) ,其中 (B) 为矩阵 B 的谱;若 G 为零维理想, 则对任意 v,1≤ v ≤ m ,可构造方阵 Bv ,使得 σα ∈ PzvV(G) 当且仅当它是 Bv 特征值,这时稀疏联合特征值问题可化为普通的。