弱链对角占优矩阵的‖A~(-1)‖_∞的新界

对弱链对角占优矩阵A的主子矩阵的逆矩阵,A,A-1的元素的关系式应用新给出的A-1元素的上界估计式并进行放缩,得到了‖A-1‖∞上界新的提高的只与A的元素有关的估计式.     

基于粒子群算法的隔振体系参数优化研究

首先利用粒子群优化算法,以传递率为适应值函数,分别对单自由度、双自由度隔振体系进行了隔振参数的单目标和多目标优化研究.随之,考虑了状态反馈控制方法,目标函数选为传递函数矩阵的无穷范数;数值试验表明,在无控最优隔振参数的基础上,施加反馈控制,并不能进一步优化隔振体系;而重新在线计算隔振参数及反馈控制器,可以进一步优化原无控最优隔振体系.最后,进行了兼顾控制力传递率的多目标研究,旨在优化隔振体系传递率的同时,尽可能降低控制能源消耗.本文的系统研究,解决了隔振体系参数的最优设计问题;并在隔振基础上施加控制体系,讨论了最优参数设置的重要性;此外,兼顾控制能源消耗的参数优化,对于传统的隔振和控制体系设计具有一定的创新意义.     

输出干扰对基于逆模型的迭代学习控制的影响（英文）

针对具有输出干扰的线性时不变单输入单输出系统,首次运用基于逆模型的迭代学习控制理论分析其轨迹跟踪控制问题.通过严格的数学分析,提出了无干扰输出误差的数学期望计算公式(欧几里得范数)并证明了其收敛性.进而给出了其频域分析公式,证明了系统参数、噪声光谱和基于逆模型的迭代学习控制参数对收敛性的影响.系统仿真实验结果验证了以上的理论发现.     

广义M-矩阵的逆矩阵范数的估计

研究广义M-矩阵的性质及其逆矩阵范数的估计问题,给出两个新的估计式,并通过数值例子验证相应的结果。     

基于e~0范数优化算法的图像重建

为了解决稀疏信号的重建问题提出了光滑e0范数优化算法,它与最小1范数优化算法等图像重建的方法相比有很大的不同,着重实验了这种信号重建算法中重要参数的选择,并利用手写体数字图像库为试验样本做了一维信号重建和二维图像重建实验.实验结果证明了基于e0范数优化算法在图像重建时间和重建精度上的优越性,此为后续的图像工程研究奠定了基础.     

弱链对角占优矩阵的‖A^-1‖的新界

对弱链对角占优矩阵A的主子矩阵的逆矩阵,A,A^-1的元素的关系式应用新给出的A^-1元素的上界估计式并进行放缩,得到了‖A^-1‖∞上界新的提高的只与A的元素有关的估计式.     

矩阵方程AXB+CYD=E的双中心最小二乘问题

利用矩阵的Kronecker积、列拉直算子和Moore-Penrose广义逆,讨论矩阵方程AXB+CYD=E的双中心最小二乘问题,得到双中心极小范数最小二乘解和对称双中心极小范数最小二乘解的表达式,给出求双中心极小范数最小二乘解的数值解法和数值例子.     

线性化定制的邻近点算法

针对目标函数不含交叉变量的多个可分离算子的线性约束凸优化问题,利用定制的邻近点算法,线性化算法迭代的二次项,将其转变为单调的变分不等式子问题,给出一种新的线性化定制的邻近点算法.结果表明:对于多个可分离的线性约束凸优化问题,线性化定制的邻近点新算法是有效的,将其转化为等价的混合变分不等式形式,证明了算法的全局收敛性及解的唯一性.     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。