广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识,特别是对其功率谱的了解,而在实际应用中,往往缺乏这种先验知识,只能以估计值来代替,从而影响时延估计精度,自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制,提高时延估计的精度,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数,从理论上证明了,任何一个广义相关权函数,都能够变换成一个或几个Roth处理器的组合形式,实际上,Roth处理器就是自适应滤波器实现的,能对原始带噪信号做最优化估计的维纳滤波器,从而实现了自适应广义相关时延估计算法。     

达到二阶代数精度的线性逼近算子

本文给出具有二阶代数精度的线性逼近算子的具体形式。     

矩量的显式表示

在许多逼近问题中,需要求出算子的矩量,但矩量的实际计算并不容易,即使对熟知的几个线性算子,迄今仍无矩量的显式计算公式,本文对Bernstein算子,给出任意阶矩量的计算公式,同时得出几个组合公式.     

构造二维正交函数的一种方法

本文给出了构造二维正交函数的一种方法且得到了四个递推关系,这些正交函数有广泛的应用,其中我们得到了从Ｌ＾２ｗ「ａ,ｂ」＊「ｃ,ｄ」的线性子空间到ｆ∈Ｌ＾２ｗ「ａ,ｂ」＊「ｃ,ｄ」的最佳明显表达式。作为推论,我们得到了二维正交多项式且Ｐ＾ｍ是次数小于等于ｍ的多项式空间中到ｆ∈Ｌ＾「ａ,ｂ」＊「ｃ,ｄ」的Ｌ２最佳逼近多项式,且当ｆ∈Ｃ「ａ,ｂ」＊「ｃ,ｄ」,ｍ→∞时,     

基于Mallat算法的抽样值和直接算法

本文在Mallat算法的基础上,通过抽样值计算得到近似小波系数,并给出相应的分解算法和重构算法公式.     

基于两类样条函数的修波构造

近几年来,修波作为一种新的非经典小波在图像处理领域的重要性得到了许多学者的认可.修波理论现在已较为完整,然而构造修波的具体例子仍不多.在Meyer Y的工作启发下,本文构造出基于高次样条函数的修波.步骤如下:首先,构造两类高次样条函数V和V,均在区间[0,1]上单调递增,且关于点(1/2,1/2)呈中心对称.然后,构造非负实对称的紧支集函数b(w)和b(w),由V,V和三角函数定义,再构造函数,通过V,V,b,b和可以构造Ψ,对其作傅立叶逆变换即可得Ψ.最后,根据定义Ψj,l,k(x)=|detA|j/2Ψ(BlAjx-k),可以得到修波.     

和型积分算子在向量值函数逼近中的应用

给出一类和型及和型积分算子的构造法，对ｎ元向量值连续函数建立了这类算子的逼近定理，并给出了逼近的量化估计。特别，由所得的主要结果给出ｎ元 Ｃ０类算子半群的表示公式。     

关于L1最佳逼近的一个条件

本文给出L1范数下C[0,1]中元被其n维子空间Un中元逼近的一个必要条件，该条件对构造逼近元应用是方便的。     

弱性积分算子逼近

本文对弱性积分算子给出了逼近定理及逼近量化估计定理,特别,对Pettis积分算子给出的相应结果, 为弱连续函数逼近提供了有效方法。     

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识 ,特别是对其功率谱的了解 ,而在实际应用中 ,往往缺乏这种先验知识 ,只能以估计值来代替 ,从而影响时延估计精度 .自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好 ,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制 ,提高时延估计的精度 ,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数 .从理论上证明了 ,任何一个广义相关权函数 ,都能够变换成一个或几个 Roth处理器的组合形式 .实际上 ,Roth处理器就是自适应滤波器实现的、能对原始带噪信号做最优化估计的维纳滤波器 ,从而实现了自适应广义相关时延估计算法 .