n方体连续自映射混沌集合的Hausdorff维数

把线段、方体自映射混沌集合的Hausdorff维数的有关结果推广到n方体上,证明在C~0(I~n)中存在一个剩余集R,使对每一f∈R,如果集合C?I~n对f是Li-Yorke混沌的,则dim_H(C)≤n-1.对于高维笛卡尔积的情形,也得到类似的结果,即在C~0(I~(ni),I~(ni))中存在一个剩余集Ri,使得对于每个f_i∈R_i,i=1,2,若集合C_i?I~(ni)对于f_i而言是Li-Yorke混沌的,则dim_H(C_1×C_2)≤n-1.     

结合空时分组码和机会调度的多用户MIMO系统容量分析

为了充分利用多用户多输入多输出系统(MU-MIMO)中固有的多用户分集,采用机会调度方案,同时为了有效利用空间分集增益和编码增益,应用空时编码理论抵抗多径衰落和提高系统的性能.在瑞利信道下给出了一种结合空时分组码和机会调度的方案并对其进行了容量分析.基于多项式展开的方法,推导了理想和非理想信道估计时的信道容量的封闭表达式、上界值以及高信噪比和低信噪比时的渐近表达式,并分析了不同信道估计时的容量比.此外,分析了基于空间和多用户分集的遍历容量改善.通过相应的数值计算和蒙塔卡罗仿真很好地验证了理论分析的正确性,并表明：多用户分集提高了该方案的性能,而信道估计误差的存在却引起了信道容量的损失;在不同信噪比区域,遍历容量可用相应的渐近表达式来近似.     

自组织战略协同:概念、特点与管理过程

经典的战略协同研究从根本上说没有贯彻复杂思维,而战略协同从本质上说是复杂的,因此应在复杂科学的视域下对其展开讨论。本文将复杂科学的自组织协同机制应用到企业战略协同中,提出了自组织战略协同的概念,分析了自组织战略协同的特点,解析了自组织战略协同管理的过程。     

不完全数据得分因子的EM算法

用ＥＭ算法讨论带有Ｐｏｌｙｔｏｍｏｕｓ或删失数据押在子分析模型中得分因子的估计问题，这个算法将不可观察的不完全数据当作中间变量，使得每一步迭代都变得相当简单，从而使得原本收敛很慢的算法变得很快，另外，我们亦计算了估计的渐近标准差，最后我们给出了数值模拟结果，并将其与现有方法进行比较。     

基于SCSO-SVM算法的光伏组件故障识别

光伏阵列通常被安装在恶劣的室外环境中,因此在运行过程中易发生故障。为了准确识别光伏阵列的故障类型,提出沙猫群优化支持向量机(sand cat swarm optimization support vector machine, SCSO-SVM)用于光伏组件故障识别,且对比支持向量机(support vector machine, SVM)、粒子群优化支持向量机(particle swarm optimized support vector machine, PSO-SVM)、遗传优化支持向量机(genetic optimized support vector machine, GA-SVM)、麻雀优化支持向量机(sparrow optimized support vector machine, SSA-SVM)、灰狼优化支持向量机(gray wolf optimized support vector machine, GWO-SVM)和鲸鱼优化支持向量机(whale optimized support vector machine, WOA-SVM)算法。首先,六种SVM混合算法都克...     

基于LambertW函数提取太阳电池五参数的方法及光强对参数影响的规律

基于Lambert W函数和多项式拟合,提出了一种太阳电池参数提取方法.该方法首先利用Lambert W函数将电池电流输出超越方程显化后积分,得显化积分方程;其次,基于质点平抛运动轨迹与电池伏安特性曲线相似性,对曲线分3段进行拟合后积分,得分段积分方程;最后,根据测量值建立显化积分方程与分段积分方程相等的方程组,解析求解出电池光电流、理想因子、反向饱和电流、串联和并联电阻5个电性参数.结果表明该方法的均方根误差为0.0047A,平均绝对相对误差为0.94%;证明了该方法的正确性.该方法应用于变光强下磷化铟镓/砷化铟镓/锗(In Ga P/In Ga As/Ge)三结太阳电池参数的提取,结果表明提取误差随着光强的增大而下降;原因是随着光强增大,噪声对测量的影响下降导致.且发现光电流随光强的增加而几乎线性增加,而理想因子、反向饱和电流、串联和并联电阻都随光强增加而下降;原因是当光强增加时,入射光子数线性增加、费米能级抬高、空间复合减少、分流路径增加导致的.     

I 2 连续自映射混沌集合的Hausdorff 维数

把线段连续自映射混沌集合的Hausdorff维数的有关结论推广到I2上,证明了在C °(I2)中存在一个剩余集R,使对每一f∈R,如果集合CI2对f是Li-Yorke混沌的,则C的Hausdorff维数dimH (C)≤1.     

矩阵椭球等高分布不完全数据的参数估计

近年来,椭球等高分布在理论和应用上都已获得高度重视。矩阵椭球等高分布及其相应的样本理论是研究的热点之一。设x_((1)),…,x_     

锁相环与锁频环在数字Costas环中的应用

基于锁相环和锁频环的模型,研究了由两者构成的数字Costas环结构和性能.首先介绍了传统的数字Costas环模型,接着给出了鉴相器、二阶环路滤波器和三阶环路滤波器的结构,在此基础上分析了基于锁频环的数字Costas模型,实现了扩大Costas环的跟踪范围和提高跟踪精度的目的,最后给出了仿真结果,分析了两种环路单独和相结合后的应用和特点.     

反向传播神经网络及其改进算法用于光伏MPPT的研究

研究了反向传播神经网络(BPNN)、粒子群优化反向传播神经网络(PSO-BPNN)、萤火虫优化反向传播神经网络(FA-BPNN),以及斐波那契优化反向传播神经网络(IM-FSM-BPNN)用于光伏组件在局部阴影下最大功率点的跟踪，以及上述算法在太阳能无人机中飞行光伏发电跟踪。结果首先表明，局部阴影下，IM-FSM-BPNN功率预测精度最低，跟踪时间最长，鲁棒性差，原因是控制参数多，依赖参数初始值。FA-BPNN功率预测精度最高且鲁棒性较好，原因是在训练过程中有效避免梯度消失的问题。其次，在样本数据量增加和太阳能无人机的应用中，发现FA-BPNN的预测效果好和IM-FSM-BPNN的局限性。最后，探讨了参数变化对预测结果的影响。IM-FSM-BPNN、PSO-BPNN和FA-BPNN较BPNN更适用于多样本数据预测，IM-FSM-BPNN相较于其他3种算法更适用于较小的学习率，4种算法的平均跟踪时间和功率平均预测精度随隐含层节点数震荡。