基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

张量广义特征值的S-型包含区域

设{A,B}为m阶n维正则张量对,通过将指标集N={1,2,…,n}划分为非空真子集S及其补集S珚=N/S,利用分类讨论的思想以及张量对{A,B}某些元素选取的任意性和不等式缩放技巧,解决了张量对{A,B}的特征值定位问题,并给出张量对{A,B}特征值的S-型包含区域.数值结果表明,所得包含区域比已有包含区域更精确.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

两个矩阵和Drazin逆新的推广式

针对两个矩阵和Drazin逆的表示, 由Drazin逆的定义，根据矩阵分解的思想, 利用Drazin逆的相关性质, 给出了两个矩阵的和在一定条件下Drazin逆新的表示。新结果推广了现有的一些结果。     

正规矩阵特征值扰动的新估计

设A,B均为正规矩阵,关于正规矩阵的特征值扰动,有结论 (n∑i=1︱μτ(i)-λi︱2)(1/2)≤n(1/2)‖E‖F,其中λi,μi分别为A,B的特征值.通过新的方法证明给出特征值扰动上界的新估计,并改进了以上结论.     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

计算最小特征值的幂法及一个应用

证明Euler幂法程序的收敛性,并用来计算一个复杂的带偶合边条件的微分方程特征值问题的最小特征值。     

结构动力分析中Kuhar方法的改进和收敛性

本文介绍了结构动力分析中基于Ｋｕｈａｒ方法的动力缩减迭代法，应用矩阵摄动理论证明了其收敛性，算例说明了方法的有效性     

关于一个非线性椭圆特征问题的某些注记

讨论一个非线性椭圆特征问题，减弱了原有结果中的一个条件而得到同样的结果，并讨论了参数小于λ１的情形。