一类二维Landau-Lifshitz方程的差分格式

研究了一类unj的模等于1保持不变的Landau-Lifshitz方程的差分格式(简称LL).运用迭代格式t/2h2,通过模拟几个初始条件得到数值解,并在一定条件下给出了数值算例和解的误差比较.     

具变指数的拟线性方程解的最大模估计

考虑p(x)-Laplace方程Dirichlet边值问题的L∞估计,通过改进的迭代引理和De Giorgi迭代,给出了非负不增函数Ak∶=meas{x∈Ω:uk}的估计,并应用迭代引理得到了解的L∞正则性.结果表明:利用这种改进的De Giorgi迭代,在得到解的L∞估计时,也可得到该解对各种指标精确的依赖关系;这种正则性技术可应用到带有退化和奇异低阶项的偏微分方程中.     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

离散混沌测量矩阵构造及其性能研究

若测量矩阵满足约束等距性(restricted isometric property, RIP),则样本能够完美恢复出原始信号。而对于给定矩阵很难验证其是否满足RIP需求,因此,本文采用李雅普诺夫指数作为一种针对离散混沌测量矩阵的验证指标。首先分析了RIP与李雅普诺夫指数之间的联系,然后给出了一种分段式混沌映射构造方法用以提高混沌性能,并从理论和仿真上证明了该方法的有效性。实验结果表明,这种方法不仅提高了混沌序列的随机性和自相关性,而且所生成的测量矩阵也具有更好的性能。因此,引进李雅普诺夫指数是一种有效的验证离散混沌测量矩阵性能的方法,提高李雅普诺夫指数能够提高混沌测量矩阵的性能。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

全偏振参量低秩稀疏分解伪彩色图像融合

偏振图像伪彩色融合对提高视觉感知和目标判读具有重要意义,利用空间调制型全偏振参量矩阵的低秩和稀疏特性,提出基于贝叶斯概率鲁棒性矩阵分解融合方法。首先,根据偏振调制和解析算法构造偏振参量矩阵,同时合成强度图像;其次,对参量矩阵进行基于改进的贝叶斯概率参量矩阵分解,降低背景噪声和亮度变化等干扰,分别获得参量图像的稀疏和低秩成分;然后利用方差、清晰度和信息熵进行模糊积分,获得显著性参量图像,与合成强度图像一起进行像素级增强;最后,经直方图规定化和IHS颜色映射,得到伪彩色融合结果。实验选择多种材质与目标的仿真和实测数据进行验证,通过主观视觉效果和客观指标比较,验证了其有效性。     

基于Haar小波运算矩阵的分数阶系统辨识方法

分数阶微积分因为其阶数可以是任意数，因此能够更加准确的描述动态系统。虽然分数阶系统受到了越来越多的重视，可是，如何建立分数阶系统目前仍处于积极探究阶段。考虑到分数阶微分的非局部性，利用小波运算矩阵为工具，给出了一种分数阶系统的辨识方法。其好处在于能够利用小波的多分辨特性对激励信号和响应信号进行数据压缩，从而降低运算矩阵的维数，可解决因矩阵维数过大导致内存溢出的问题。     

基于判别矩阵的潜艇作战态势认知决策建模方法

潜艇作战具备复杂环境中的动态博弈对抗特点,作战人员的态势认知与决策行为对潜艇作战效能有着重要影响。针对潜艇交战级作战实验中的态势认知决策建模难题,在分析态势认知决策过程的基础上提炼表征变量集合,提出基于判别矩阵的潜艇作战态势认知决策建模方法,并以某型潜艇交战级对抗为例研究给定想定条件下的态势认知决策过程,验证了方法的可行性和有效性。建立的模型能够有效刻画作战人员认知决策过程,支持潜艇作战实验中的交战机理和制胜机理研究。