多元线性递归序列收敛的条件

将二元变系数线性递归序列收敛条件的结论推广到一般的多元情形.特别地,运用由Jordan子块构成的分块对角矩阵及其性质,证明了在允许重置初始值的情况下,多元变系数线性递归序列收敛的必要条件.     

一类变系数非线性递归序列的极限

对形如Fn＋2=a1（n）F ！b1n＋1＋a2（n）F ！b2n ，n≥1的变系数非线性递归序列｛Fn｝的极限问题进行了研究，给出了在满足一定条件时，序列｛Fn｝收敛且极限值与初始值F1〉0，F2〉0无关。     

关于一类集值拟变分不等式的广义投影算法

引入并研究了一类新的广义非线性集值强隐拟变分不等式，通过用投影方法，证明了这类变分不等式的解等价于一类不动点问题的解．基于这类不动点问题，我们构造了一个迭代算法，在没有紧性的条件下，证明了这类变分不等式解的存在性；同时，还证明了由迭代算法所产生的迭代序列收敛于这类变分不等式的解．     

常系数线性齐次递归关系模p同余后的通项公式

研究一常数线性齐次递归关系所给出的序列模素数ｐ后所得到的整数列的通项公式,并利用有限域理论给出了求常系数线性齐次递归关系模ｐ后所得序列的通项公式的理论方法．从而推广了［１］中关于常系数线性齐次递归关系的若干结果     

一种基于递归残差的回归模型变点检验

针对线性回归模型系数向量的变点问题,文章基于递归回归残差平方序列的部分和之比,构造了一种检验方法。在原假设下,得到其渐近分布为维纳过程的泛函,并在备择假设下,证明了该检验方法的发散速度及其渐近发散极限,从而保证了该检验的一致性。模拟表明,本方法在变点发生时刻靠前时的功效具有较大改进,在其他情形与经典的CUSQ检验方法接近。     

B值随机变元不等式及其在极限理论中的应用

证明了与Ｍａｒｃｉｎｋｉｅｗｉｃｚ－Ｚｙｇｍｕｎｄ不等式类似的Ｂ值随机变元不等式，应用这一结果，我们获得一些关于Ｂ值随机变元序列几乎必然收敛及完全收敛的结果     

变系数分数阶反应-扩散方程的数值解法

考虑了变系数分数阶反应一扩散方程,将一阶的时间偏导数和二阶的空间偏导数分别用Caputo分数阶导数和Riemann-Liouville分数阶导数替换,利用L1算法和G算法对方程的变系数分数阶导数进行适当的离散,给出了该方程的一种计算有效的隐式差分格式,并证明了这个差分格式是无条件稳定和无条件收敛的,且具有o（τ＋h）收敛阶．最后用数值例子说明差分格式是有效的．     

关于r－收敛的一些结果

证明了集合序列的ｒ－收敛蕴含Ｋ－Ｍ收敛，给出了随机集列在γ－收敛意义下的收敛定理．     

向量值有界变差序列的某些特性

本文讨论了赋范线性空间中弱有界变差序列与强有界变差序列的有关特性，证明了赋范线性空间X是Banach空间当且仅当X中的每个强有界变差序列必定强收敛，同时也证明了弱序列完备Banach空间中的弱有界变差序列必定强收敛．     

随机变量序列几乎处处收敛的几个等价命题

由随机变量序列几乎处处收敛可推出其依概率收敛，进而可推出其依分布收敛，可见判别几乎处处收敛的重要性．给出了它的几个等价命题，同时还证明了独立随机变量和序列几乎处处收敛等价于依概率收敛，亦等价于依分布收敛．     

NA随机变量序列加权和的完全收敛性

利用截尾法和矩不等式,证明一般情况下NA随机变量序列加权和的完全收敛性,推广独立随机序列加权和的完全收敛性.     

非同分布ψ-mixing序列的完全收敛性

设{X1，I≥1}为ψ-mixing随机变量序列，文章在较弱的混合速度且非同分布的条件下证明了其完全收敛性的一个结果.     

变系数复合系统边界反馈镇定:Riesz基方法

考虑一个航天控制实验室模型振动的边界反馈镇定问题。证明了具有变量系数的复合系统在边界控制作用下构成的闭环系统是一个R iesz系统,即系统存在一列广义特征函数构成状态空间的R iesz基。从而系统的谱决定的增长条件,指数稳定性成立。并给出了特征值的渐近展开式。     

推广的变系数DuFort—Frankel型差分格式的收敛性和稳定性

用离散能量法证明推广的变系数 DuFort-Frankel 型差分格式的收敛性和稳定性。     

采用最佳状态变量实现的线性相位递归IIR数字滤波器

为了实现输入序列为无限长的线性相位递归IIR数字滤波器,提出了采用状态变量的方法.将每个块的某个初始状态应用于第2级来寻找到最佳可能状态的理论表达式,得到最好的可能初始状态,从而获得理想输出的较好近似.仿真表明,所提出的方法与其他方法相比,不但可以实现线性相位和减少滤波器阶数,而且还减少了运算次数.     

基于经验数据的T-S模糊控制器设计与优化

提出了一种基于经验数据而非语言的T-S模糊控制器设计和优化方法.此方法分为三个阶段,第一阶段依据输入变量的范围来确定输入变量的高斯型隶属度函数;第二阶段在不改变输入变量隶属度函数的前提下,对经验数据施加递推最小二乘法以确定T-S模糊控制器的后件系数;第三阶段,使用梯度下降方法同时优化控制规则的前件参数和后件参数.倒立摆的仿真试验结果验证了该方法的有效性.     

慢时变线性模型参数辨识递推算法及收敛性分析

针对慢时变线性模型,给出辨识的递推算法,并证明该算法能够保证参数收敛在一个有界空间区域,该区域包含参数真值集合;若工作点不发生变化,合理的收敛因子保证参数收敛到对应真值.在实际应用中,工业对象可以利用慢时变线性模型表示,因此该递推算法能够确保工业对象模型实时更新以跟踪工况的变化.通过实例仿真可以看出,该递推算法能够保证慢时变线性模型参数有效更新,并较为准确估计输出变量.     

一种新的变步长LMS算法

对已有的一些变步长LMS自适应滤波算法进行了分析,在此基础上提出一种改进的变步长LMS算法.该算法建立了步长因子与误差信号和权系数变化之间的非线性函数关系,从而使权向量异步更新达到最佳.仿真结果表明,该算法具有更快的收敛速度,更小的稳态误差及更平稳的收敛过程.     

变尺度法的收敛性

给出了一阶Ｌｉｐｓｃｈｉｔｚ函数的概念；讨论了一阶Ｌｉｐｓｃｈｉｔｚ凸函数的某些二阶性质。以ＤＦＰ变尺度法为背景，讨论了一类变尺度法的收敛性；证明了与精确线性搜索相结合的Ｂｒｏｙｄｅｎ，Ｈｕａｎｇ及吴－桂类变尺度法，在使用于一阶Ｌｉｐｓｃｈｉｔｚ凸函数时，所得点列的任何极限点都是函数的极小值点，从而改进了变尺度法的收敛性条件。