非马尔可夫非线性双态噪声驱动系统的MFPT

本文运用随机轨道技术,解决了一般非线性双态噪声的平均第一通过时间(简称为MFPT)问题.利用最陡下降法简化所得结果,处理了具有非线性漂移的随机系统的MFPT问题.通过数值计算,求出了双稳系统的MFPT.作图比较了线性双态噪声和平方双态噪声的MFPT,得到了若干有意义的结论.     

在关联噪声驱动下双稳系统的MFPT

讨论了在关联噪声驱动下双稳系统的瞬变性质 ,计算了该系统的平均第一通过时间 (MFPT) .数值计算表明 :在正关联的条件下 (λ>0 ) ,MFPT随噪声关联τ增大而减少 ;在负关联的条件下 (λ <0 ) ,MFPT随τ增大而增大 .同时还发现 ,在完全正关联的条件下 (λ=1 ) ,若加性噪声强度等于乘性噪声强度 (α =D) ,则MFPT趋于无穷大 ;若α/D≈ 0 .87,则平均第一通过时间等于零 .     

双态平方噪声驱动系统的平均首通时间

本文应用边界过程的几率分析方法,讨论了双态平方噪声系统的平均首通时间(MFPT),通过对双态马尔可夫过程和双态矩过程的MFPT计算,获得一些有意义的结论。     

氩蒸气均匀核化率的分子动力学模拟

从分子动力学方法出发,对氩蒸气均匀核化过程进行了模拟,并分别采用经典均匀成核理论(CNT)预测、Cluster分析以及平均第一次出现时间(MFPT)3种方法进行了成核率计算.模拟结果表明,在相同条件下,Cluster分析法及MFPT方法得到的成核率在同一个数量级,而CNT预测的成核率比Cluster分析法及MFPT方法得到的成核率小3个数量级,其差异可由推导CNT成核率时对Cluster所做的平衡热力学假定进行解释.3者得到的临界Cluster分子数均为20左右.由Cluster分析方法可知,成核率随冷却脉冲强度增大而增大,这与实际均匀核化过程一致.     

平方外噪声驱动系统的几率演化和平均第一通过时间

本文用投影算子技术导出单变量系统在平方0-U噪声驱动下,几率密度的精确积分微分方程及近似演化方程;在进一步的近似下,得到了Miguel的近似Fokker-Planck方程;推导了平均第一通过时间(MFPT)方程,并在弱噪声和短相关近似下,得出方程的解;通过数值分析阐明了平均第一通过时间和噪声关联时间之间的联系.     

线路运输能力计算方法及其在京广线能力计算中的应用

铁路线路运输能力的计算是进行路网规划、评价路网运输能力的重要依据.本文在已有研究成果的基础上,通过区段、枢纽能力的计算,提出了线路运输能力概念及计算方法,并通过京广线运输能力的计算,验证了计算方法的实用价值.     

键距差方法中等同键数值的计算机计算方法

本文提出了一种适用于计算机使用的,简单的确定等同键数值的计算方法.并通过实例说明了本方法的基本思路和计算步聚,给出了普遍适用的计算程序框图.     

细长刚体块系统中的混沌现象及其Lyapunov指数谱计算

本文根据细长刚体块系统的特征推广了一类结合局部映射和Poincaré映射计算系统Lyapunov指数谱的方法.通过数值模拟,本文找到了该系统在外部周期激励下通过异宿分岔产生的混沌轨道,并利用推广的Lyapunov指数谱计算方法进行了验证.     

金融市场风险度量及实证研究

本文讨论了利用VAR度量金融风险.通过CAPM和MonteCarlo两种方法计算了实证数据的VAR值,并通过比较分析,说明了目前在我国利用CAPM模型计算风险价值VAR可靠性较低,实用性较差.     

计算Ulam映射高阶关联函数计算的数论方法

为计算logistic映射的高阶关联函数，本文提出了一个包含定义、引理及定理的数论方法，该方法的层次性结构有助于通过逐级求解丢番图方程来简化计算. 作为应用，本文计算了映射的前5阶关联函数. 6阶以上的关联函数也可以通过该方法直接算得.     

交叉关联噪声对双稳系统平均首通时间的影响

研究了交叉关联噪声驱动的双稳系统的瞬态性质。计算了平均首通时间,发现系统的平均首通时间受噪声关联时间和关联强度的影响,关联时间和关联强度的作用相反,即平均首通时间随关联强度增加而增加,平均首通时间随关联时间增加而减少。     

基于色关联高斯噪声理论下捕食者-被捕食者模型中被捕食者的平均灭绝时间

在经典的捕食者—被捕食者模型中,引入分析猎物演化趋势的平均灭绝时间,利用最快下降法,通过理论计算推导得到该模型的平均首次通过时间的解析表达式,对噪声强度及其关联对被捕食者(猎物)和系统的平均灭绝时间之间的影响进行分析.理论计算结果的数值分析研究表明：(1)被捕食者的平均灭绝时间T＋(x－→xu)随加性噪声强度D的变化趋势呈现出单调递减函数图像.(2)平均灭绝时间T－(x＋→xu)随着D的增加而迅速减小,即T－(x＋→xu)关于D呈现出单调减函数的关系图.(3)随着乘性噪声强度Q的增加,T(x±→xu)出现一个迅速增加并达到峰值的过程,然后迅速减小.(4)噪声间关联强度λ对平均灭绝时间T－(x＋→xu)和T＋(x－→xu)呈现出完全不同的影响方式.上述结果可以从统计物理学的角度为濒危物种、稀有珍贵物种保护提供一定理论指导,以确保生物多样性保护更有力地开展.     

Crossover between classical and quantum shot noise in chaotic cavities

The discreteness of charge in units of e led Schottky in 1918 to predict that the electrical current in a vacuum tube fluctuates even if all spurious noise sources are eliminated carefully. This phenomenon is now widely known as shot noise. In recent years, shot noise in mesoscopic conductors, where charge motion is quantum-coherent over distances comparable to the system size, has been studied extensively. In those experiments, charge does not propagate as an isolated entity through free space, as for vacuum tubes, but is part of a degenerate and quantum-coherent Fermi sea of charges. It has been predicted that shot noise in mesoscopic conductors can disappear altogether when the system is tuned to a regime where electron motion becomes classically chaotic. Here we experimentally verify this prediction by using chaotic cavities where the time that electrons dwell inside can be tuned. Shot noise is present for large dwell times, where the electron motion through the cavity is 'smeared' by quantum scattering, and it disappears for short dwell times, when the motion becomes classically deterministic.     

基于Kalman滤波的白噪声估计理论的推广

应用Kalman滤波方法和射影理论,将现行的白噪声估计理论推广到一般的随机系统,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻也是相关的。提出了统一的最优和稳态白噪声和拟白噪声估值器。一个仿真例子说明了其有效性。     

利用虚拟声环境研究教室语言清晰度

教室室内语言清晰度是教室声学研究的重点,而语言清晰度试验是研究教室室内听闻环境最直接的方法.但要找到声环境按照一定规律变化的教室并完成语言清晰度试验,往往很困难.处理教室实测脉冲信号,采用指数衰减法可以构建混响时间按一定规律变化的声环境,而采用噪声混入法则可以获得信噪比不同的虚拟声环境.通过对虚拟声环境下的语言清晰度试验结果进行数据分析,可以获得教室室内最佳混响时间和信噪比的最佳取值,证明了通过构建虚拟声环境来研究教室语言清晰度是可行的.     

一种适合于图像细节保留的椒盐噪声滤波器

提出一种新的椒盐噪声滤除方法.通过对图像二值化,对其进行统计分析确定噪声点.仅改变噪声点的像素值,避免了中道滤波对图像细节的破坏,同时又滤除了噪声.实验结果表明,新方法可以有效去除椒盐噪声,同时很好地保护图像的细节.     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好