基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

Curvelet域GPR数据噪声压制与高频补偿方法

提出GPR数据Curvelet域随机噪声压制与高频补偿同步处理方法.首先，将GPR数据变换到Curvelet域，结合其多角度、多尺度的稀疏性，给出随尺度和角度变化的自适应阈值函数进行随机噪声的压制;其次，根据电磁波在完全弹性介质中的传播规律，结合Curvelet的多尺度多角度特性，求取时变补偿因子，倒数加权对应的尺度、角度，补偿高频损失;最后，进行Curvelet反变换，获得随机噪声压制与高频补偿以后的GPR数据.该方法属于完全数据驱动，克服了传统方法人为因素的影响.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

Doubling Fock空间之间的正Toeplitz算子

设F~p(φ)为复平面C上的加权Fock空间,其中φ为次调和函数,ΔφdA为doubling测度.本文利用均值函数与t-Berezin变换刻画了F~p(φ)(0p∞)与F~∞(φ)之间具有正测度符号的Toeplitz算子T_μ的有界性和紧性,拓展了已有结果.     

循环流化床锅炉返料器改造分析

本文介绍了循环流化床锅炉以及返料器存在的由于返料阀为高流率、低压头、小风量自平衡回灰阀,返料阀松动风采用一次冷风,使用过程中返料装置的配风管容易出现弯曲变形,返料不均匀造成堵塞的缺陷,返料装置的缺陷影响了锅炉的安全稳定运行,造成了一定的经济损失,为彻底解决此问题,通过对现有返料装置进行了改造,解决返料器堵塞的问题,为锅炉安全、稳定、长周期运行提供了基础保障。     

求解对流扩散方程的紧致二级四阶Runge-Kutta差分格式

将指数变换u(x,t)=p(x,t)exp(k2εx)应用于一维对流扩散方程,对空间变量x应用紧致差分格式,时间变量t采用二级四阶Runge-Kutta方法,提出了精度为o(τ4+h4)的绝对稳定的差分格式,讨论了稳定性.最后通过数值算例说明该格式的有效性.     

一个较精确加强型的半离散Hilbert型不等式

应用权函数的方法及Hermite Hadamard不等式, 建立一个较精确且加强型的半离散非齐次核Hilbert型不等式, 并给出该不等式具有最佳常数因子联系参数的一组等价性质及一些特殊参数不等式.      

关于Hermite矩阵的若干不等式

利用矩阵不等式的相关知识，以及Neumann不等式和已知的实数不等式，将2个简单的实数不等式推广到矩阵迹和范数领域，得到矩阵范数不等式的推广形式.     

傅立叶变换下色散光纤信号的强度和相位计算

利用傅立叶变换，详细推导了光纤信号通过色散介质传播后输出的强度和相位的表达式.只要因色散而产生的附加场振幅足够小，该表达式对于任意的输入强度和相位都是有效的.     

采样频率与数据长度对中心动脉波形重建的影响

传递函数法重建CAP(central aortic pressure)多是基于自回归各态历经(auto regressive eXogenous, ARX)模型或傅里叶变换,未考虑采样频率、数据长度.为了研究采样频率和数据长度对重建CAP的影响,基于ARX模型和傅里叶变换,重建CAP并分析误差.结果表明,采样频率100Hz,数据长度大于3s时,基于ARX模型重建CAP效果较好(均方根误差(306.6±80.0)Pa,波形匹配度89%);基于傅里叶变换的算法对采样频率不敏感,数据长度为6s时效果较好(均方根误差(493.3±320.0)Pa,波形匹配度84%).