一种基于自适应提升小波变换的全球卫星导航系统多径抑制方法

在卫星导航定位系统中,多径干扰是影响定位精度的重要误差源之一。在分析研究现有多径抗干扰方法和小波理论的基础上,提出了一种基于自适应提升小波变换(adaptive lift wavelet transform,ALWT)的多径抑制方法。该方法利用小波分析在时频域将待处理信号局部放大的特性,将待分析信号通过提升小波变换进行自适应多级分解,通过最小方差准则(least mean square,LMS)自适应确定分解级数,在一定的阈值条件下将多径信号排除过滤掉,从而达到多径抑制的目的。Matlab7.0仿真实验中,与窄相关技术和传统小波变换方法(traditional wavelet transform,TWT)相比,该方法通过多级小波级数分解,将多径信号进行局部时频域放大,选取合适阈值判别条件过滤多径信号,再通过小波逆变换还原直接信号,实验证明使用ALWT方法多径抑制效果显著提高。     

一种基于优化阈值函数的整体强化分解模型改进降噪方法

以提高降噪效果为目的,提出了一种基于白噪声分解特性的EEMD优化阈值降噪方法。避免了小波分解时选择合适小波基函数的困难,具有自适应性,同时,也可以有效地避免频率混叠问题。方法从能量密度和对应平均周期乘积的变化率出发,提出了"跳变点"和"奇异点"的选择原则,并利用优化阈值函数对"跳变点"和"奇异点"对应的IMF分量进行量化处理,然后通过对处理后的IMF分量重构得到降噪信号。最后用仿真信号进行试验,证明本方法的有效性和优越性。     

对称多小波紧框架的参数化

酉扩展原理提供了一种很好地刻画和构造小波框架的方法。本文首先以对应于多小波框架的模矩阵和多相矩阵的形式,给出了m带多小波框架的对称特征,然后基于酉扩展原理和仿酉结构的因式分解,得到了构造具有特定性质的多小波框架的参数化方案。     

广义几何规划的一个改进的Newton算法

广义几何规划的目标函数的Hession矩阵有着特殊结构,利用这一特殊性,对广义几何规划提出了一个改进的Newton算法,证明了其收敛性,并且给出了相应的数值例子。     

丙烯腈装置催化剂活性下降原因分析

一、催化剂活性下降原因分析 1.积碳:丙烯是碳氢化合物,在高温下分解成碳和氢,碳沉积即催化剂使用过程中逐渐在表面上沉积一层含碳化合物,减少了可利用表面积,引起催化剂活性衰退.     

一株酵母菌的鉴定及初步应用

从塔罗科血橙园土壤中,获得一株酵母菌,经形态学与生理生化实验鉴定,确定为柠檬型克勒克氏酵母.用该菌株对甜橙皮发酵6d后,得到其分解利用效率分别是啤酒酵母的1.3倍,葡萄酒果酒专用酵母的1.2倍.     

Benthic foraminiferal δ~(13)C minimum events in the southeastern Okhotsk Sea over the last 180 ka

A total of six d13C minimum events,i.e.,VI,V,IV,III,II,and I,were observed via a stable carbon and oxygen isotope analysis of infaunal benthic foraminifera Uvigerina spp.in gravity core OS03-1 in the southeastern Okhotsk Sea over the last 180 ka.These events occurred at112–109,102–90,85–76,57–54,44–40,and 17–10 ka BP.The largest negative excursions reached 2.5%in event V and were greater than 1%in the other events.We proposed that all d13C minimum events were caused by the increase in sea surface water productivity,the weakened formation of Okhotsk Sea intermediate water,and the enhancement of the oxygen minimum zone.The negative excursions were unaffected by methane hydrate destabilization and subsequent methane release based on the results obtained by using archaeal lipid markers.     

基于MATLAB的Cholesky分解法解线性方程组

本文首先介绍什么是Cholesky分解及分解注意的事项,然后对Cholesky分解算法进行描述,重点介绍如何用Cholesky分解法及改进的平方根法解线性方程组Ax=b,对两种算法进行了比较,针对实例分别用MATLAB程序实现,最后进行总结并对此课题未来研究作出展望。     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。