区间值模糊集中蕴涵算子基于重叠和分组函数的分配性

用区间值模糊集的方法和原理,通过引入可表示的区间值重叠函数和分组函数的概念,在边界条件下给出以下4种方程及类似方程的解:I(x,O_1(y,z))=O_2(I(x,y),I(x,z));I(O_(x,y),z)=G(I(x,z),I(y,z));I(G(x,y),z)=O_(I(x,z),I(y,z));I(x,G1(y,z))=G2(I(x,y),I(x,z)).并说明t-可表示的连续Archimedean三角模(三角余模)分配性方程的解类似于上述结果.     

亚纯函数及其线性微分多项式的唯一性

设f(z)是开平面上的亚纯函数,N(r,f)为f(z)在圆|z|≤r上极点的计数函数,m(r,f)为逼近函数.T(r,f)=m(r,f) N(r,f),T(r,f)称为f(z)的特征函数.F(z)=(fn)(z) a1(z)f(n-1)(z) … an(z)f(z)是f(z)的线性微分多项式,其中n是正整数,a1(z),a2(z),…,an(z)均是f(z)的小函数.研究f(z)和F(z)的唯一性问题.证明了:f(z)为满足N(r,f)≤1f(z)的两个相互判别的小函数,若f(z)和F(x)几乎CM分担a(z)和b(z),则f(z)≡F(z).     

一类二阶非线性微分方程的振荡定理

应用Riccati变换、广义Riccati变换以及加权值不等式等技巧,讨论了一般非线性带有无阻尼的微分方程方程[r(t)k1(x(t),x'(t))|x'(t)|α-1x'(t)]'+p(t)k2(x(t),x'(t))|x'(t)|α-1x'(t)+q(t)φ(x(g1(t)),x'(g2(t)))f(x(t))=0,α0解的振荡性.通过引入Y函数Y={Φ∈C1(E,R)|,Φ(t,t,l)=Φ(t,l,l)=0,Φ(t,s,l)≠0,lst,E={(t,s,l)|t0≤l≤s≤t∞},以及H函数H={H∈C1(D,R+)|,H(t,t)=0,H(t,s)0,-∞st∞,D={(t,s)|-∞st∞}给出了一些相应的振荡解的判别准则.     

一类更广泛的Korteweg-de Vries方程的初边值问题

本文利用Galerkin方法和解的先验估计,研究了一类更广泛的Korteweg-de Vries方程的初边值问题。 u_t+f(u)_x-αu_(xx)+u_(xxx)=0 (x,t)∈R~+×[0,T] u(x,t)|_(t=0)=u_0(x) x∈R~+ u(x,t)|_(x=0)=0 u(x,t)→0 (x→∞)及 u_t+f(u)_x-u_(xxx)=0 u(x,t)|_(t=0)=u_0(x) x∈R~+ u(x,t)|_(x=0)=u_x(x,t)|x=0=0 u(x,t)→0,(x→∞)弱解的存在性,在适当的条件下,还可以得到古典解的存在性。     

具状态依赖时滞更一般微分方程周期正解

利用一不动点定理,对较同类具状态依赖时滞更为一般的非线性微分方程:x′(t)=-a(t,x(t))x(t)+f(t,x(t-1τ(t,x(t))),…,x(t-τm(t,x(t)))),x′(t)=a(t,x(t))x(t)-f(t,x(t-1τ(t,x(t))),…,x(t-τm(t,x(t)))),进一步研究,得到一些保证此类方程存在多个周期正解的充分条件而比相关研究有更好的结果.     

二阶具正负系数非线性时滞差分方程解的振动性

考虑二阶具正负系数非线性时滞差分方程Δ2 x(n) f(n ,x(n) ,x(σ(n) ) ) - g(n ,x(n) ,x(σ(n) ) ) =0及Δ2 (x(n) -a(n)x(δ(w) ) ) f(n ,x(n) ,x(σ(n) ) ) - g(n ,x(n) ,x(σ(n) ) ) =0 其中Δ是向前差分算子 ,Δx(n) =x(n 1 ) -x(n) ,Δ2 x(n) =Δ(Δx(n) ) ,获得了方程所有有界解或者振动或者趋于 0的充分条件     

关于对偶对的Gorenstein平坦模及其维数

基于Wang等人引入的Gorenstein (x,y)-平坦模的概念,利用环模理论和同调代数的方法,研究了Gorenstein (x,y)-平坦模类GF(x,y)的稳定性,讨论了任意左R-模M的GF(x,y)-投射维数GF(x,y)-pd(M)的若干性质,其中(x,y)是R-模范畴的一个完备对偶对。证明了x是模类GF(x,y)的生成子和余生成子,且在左R-模短正合列(ε):0→U→V→W→0中各项的GF(x,y)-投射维数之间存在着密切的联系。结果表明:当(x,y)是一个完备对偶对,GF(x,y)是投射可解的,且ToriR≥1(y,x)=0时,如果V是Gorenstein (x,y)-平坦模,那么GF(x,y)-pd(W)≤GF(x,y)-pd(U)+1;如果U是Gorenstein (x,y)-平坦模,那么GF(x,y)-pd(V)≤GF(x,y)-pd(W);如果W是Gorenstein (x,y)-平坦模且(ε)在函子HomR(x,-)下正合,那么等式GF(x,y)-pd(U)=GF(x,y)-pd(V)成立。     

涉及微分多项式的亚纯函数的正规族

设F为区域D上的亚纯函数族,k、m、q是正整数,p(w)=w~q a_(q-1)(z)w~(q-1) … a_1(z)w是多项式,H(f,f,…f~(k))是满足r_H~*>0的微分多项式,a(z)、b(z)、c(z)是D上的解析函数,且a(z)≠b(z),6(z)≠0,c(z)≠0,如果对任意的f∈Ff的零点重数至少为K 1,p(f~(k)) H(ff,…f~(k))=a(z)(?)f(z)=0,p(f~(k)) H(f,f…f~(k))= b(z)(?)f(z)=c(z),则F在D上正规。     

关于亚纯函数的一个唯一性定理

设f(z)和g(z)是两个非常数的亚纯函数,a(z)和b(z)(b(?)a~(k),k为非负整数)是关于f(z)和g(z)的小函数,并且6(a)=S(a,f) 6(a,g)>1,如果∞是f(z)和g(z)的CM分担值,b是f~(k)(z)和g~(k)(z)的CM分担值,则或者f~(k)(z)≡g~(k)(z)或者f~(k)(z)=(a~(k))(z)-b(z))e~(h(z)) a~(k))(z)和g~(z)=(a~(k)(z)-b(z))e~(-h(z)) a~(k)(z)成立,其中h(z)是整函数。     

涉及微分多项式的亚纯函数的正规族

设F是区域D内的一族亚纯函数,k,m,q是正整数,P(ω)=ωq+aq-1(z)ωq-1+…+a1(z)ω是一多项式,H(f,f′,…,f(k))是满足γH*0的微分多项式,a(z),b(z),c(z)是区域D内的解析函数,且a(z)≠b(z),c(z)≠0.若对于任意的f∈F,f的零点的重数至少是k+1,且有(1)P(f(k)(z))+H(f,f′,…,f(k))=a(z)时,f(z)=0;(2)P(f(k)(z))+H(f,f′,…,f(k))=b(z)时,f(z)=c(z),则F在D内正规.     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.     

用于弹道目标跟踪的有限差分扩展卡尔曼滤波算法

针对目前常用的滤波算法不能同时做到精确和高效跟踪目标的缺点,提出一种有限差分扩展卡尔曼滤波(FDEKF)算法用于再入阶段的弹道目标跟踪.该算法应用有限差分运算得到滤波的验前、验后误差协方差矩阵,避免了非线性函数求导运算,以及Jacobian阵和Hessian阵的计算,降低了计算难度,扩大了应用范围,增强了滤波过程的收敛性.Mome Carlo 数值仿真表明,FDEKF算法与扩展卡尔曼滤波(EKF)算法和无味卡尔曼滤波(UKF)算法相比较,在跟踪精度上比EKF算法提高了约20%,与UKF算法相当,在计算复杂度上比EKF算法稍有增加,但比UKF算法低约39%.这说明FDEKF算法在计算量增加不多的情况下,滤波精度有显著提高.     

基于平方根Unscented卡尔曼滤波的车辆融合跟踪

针对车辆运动的机动性和跟踪系统的非线性，提出了一种基于平方根Unsoented卡尔曼滤波(SR-UKF)的多传感器融合跟踪方法．该方法采用动力学模型建立系统的状态方程和量测方程，充分利用了多传感器的量测信息，更好地满足了目标的机动特性．采用基于UKF的数据融合方法处理系统的非线性问题，避免了扩展卡尔曼滤波(EKF)产生的线性化误差．同时，在滤波过程中，以协方差平方根阵代替协方差阵参加速代运算，有效地避免了滤波器的发散，提高了滤波算法的收敛速度和稳定性，实验证明，与基于EKF的融合算法相比，基于SR-UKF的融合算法使系统的位置和方向角的跟踪精度分别提高了18．22％和34．81％。     

在线快速抑噪的自适应强跟踪滤波算法

针对强跟踪滤波算法对系统时变噪声缺乏自适应能力,导致系统状态估计精度较低的问题,提出一种可以在线估计噪声协方差阵的快速抑噪自适应强跟踪滤波算法,该算法可以抑制噪声对系统状态估计的影响,使系统状态估计迅速收敛到真实值附近.仿真实验对比了强跟踪滤波算法和快速抑噪自适应强跟踪滤波算法在噪声变化环境下的性能,结果表明：快速抑噪...     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

多状态矢量Kalman滤波算法

提高跟踪精度是雷达发展的重要方向之一.本文建立的雷达跟踪模型,将不同时刻的状态变量联合进行处理,通过改变状态转移矩阵,给出了一种使用多状态矢量的Kalman滤波以提高雷达跟踪精度的新手段.仿真结果表明,相比传统的EKF算法,多状态矢量Kalman滤波能得到更加稳定、准确的滤波结果.     

基于支持向量回归机的自适应差分滤波算法研究

针对差分滤波(DDF)算法存在因噪声统计特性与实际不符而导致的滤波精度降低甚至发散的问题,提出了一种基于支持向量回归机的自适应差分滤波(SVRADDF)算法.将测量值的新息协方差与理论协方差之间的差值作为支持向量回归机的输入、输出调节噪声统计特征的自适应因子,实时修正DDF噪声协方差,根据实际噪声变化调整噪声协方差矩阵,从而提高滤波精度.针对水下目标纯方位角跟踪系统的蒙特卡洛仿真实验表明,在相同初始噪声特性条件下,所提出的SVRADDF算法具有较好的估计效果和鲁棒性,估计精度、稳定性及收敛时间等性能明显优于单纯DDF算法.     

基于IAUKF的再入弹道目标跟踪算法研究

弹道导弹再入阶段飞行速度快,受力情况复杂、多变,运动方程具有很强的非线性。针对其快速、精确、非线性跟踪问题,通过不敏变换,采用确定性采样逼近状态的后验分布,得到系统状态的均值和一步预测均方误差。将量测数据转换到笛卡尔坐标系中,在标准卡尔曼滤波框架中计算更新滤波增益、滤波均方误差和状态滤波;同时运用数值更为稳定的方程计算一步预测均方误差和滤波均方误差。通过计算残差,自适应更新状态噪声协方差和量测噪声协方差。仿真结果表明,新的跟踪算法与不敏卡尔曼滤波算法相比,具有更快的计算速度和更高的跟踪精度。     

扩展卡尔曼粒子滤波算法的一种修正方法

针对扩展卡尔曼粒子滤波（EKF-PF）算法滤波精度较低的缺点，提出对其建议分布进行高阶修正的新算法．该算法针对非线性系统方程，基于二阶泰勒级数展开，利用高阶项对一阶扩展卡尔曼滤波（EKF）的状态估计向量及协方差阵做出适当修正，同时考虑到协方差阵计算中存在矩阵相减运算、计算误差以及参数不匹配等因素的影响，采用矩阵QR分解技术保证了协方差阵的正定性．新算法在一定程度上减小了局部线形化的截断误差，提高了建议分布的逼近程度．仿真实验表明，新算法在计算量增加不多的情况下，滤波精度有明显的提高．