Fuzzy－AHP投入产出模型及其在地方电网理论电价研究中的应用

本文提出了应用Fuzzy-AHP编制投入产出表和建立投入产出模型的方法, 并用来研究地方电网理论电价问题, 以某县为例进行了验证, 结果表明方法和模型是合理可行的。     

一类多变量极点配置反馈矩阵的直接求解算法

本文给出了一类多变量系统极点配置反馈矩阵的直接求解方法，通过Ｌｕｅｎｂｅｒｇ－ｅｒ规范形的结构将系统反馈矩阵的求解过程降阶简化。算法概念清晰，方法简便，易于在计算机上编程实现。     

区间三角模糊软集及其动态决策方法

为完善模糊软集理论,提出区间三角模糊软集的概念,并讨论其相关运算及性质。建立基于区间三角模糊软集的动态决策模型,其中,时间权重采用指数衰减方法进行确定,利用集成的思想定义了区间三角模糊软集算术加权平均算子,将不同时刻的区间三角模糊软集集成为综合区间三角模糊软集。给出不同对象选择值和决策值的求解公式,根据决策值大小来实现最优决策。最后总结出方法的具体步骤,并通过实例说明具体应用。     

基于OFDM系统的空时频分组编码方案

提出了一种空时频分组编码方案,其设计思路是:接收端通过子信道的相关特性确定不相关子载波组,并反馈给发射端;发射端基于反馈信息,利用星座旋转预编码矩阵和空时分组编码技术构建空时频分组编码。该方案只反馈子信道的相关性而无需反馈整个信道信息,可应用于任意数量的发射/接收天线,能获得极高的分集增益和带宽效率,且只有较低的解码复杂度。在瑞利衰落环境下的仿真结果证实了此方案的鲁棒性。     

确定相对决策权重的链比较法

基于层次分析法(analytichierarchyprocess,AHP)的基本原理,在假定决策者两两比较判断矩阵已知的情况下,提出了一种根据两两比较判断矩阵确定决策者对决策对象的综合决策权重向量的新方法———链比较法,并用一个数值例示进行了说明。最后,讨论了链比较法的优点与可能的不足以及可以进一步改进的地方,与其他方法进行了比较,说明了方法的合理性,并就AHP未来可能的研究问题进行了展望。     

冲击噪声背景下宽频段信号三维参数的估计

提出了一种基于协变异矩阵的宽频段信号频率和二维到达角联合估计的算法。在冲击噪声环境下,该算法能精确地估计宽频段信号的三维参数,无需多维谱峰搜索和参数配对过程。另外,利用L型阵列的分维特点和ESPRIT算法进一步处理,成功地实现了具有频率兼并现象的宽频段信号的三维参数估计。计算机仿真结果验证了算法的有效性。     

基于Matlab与VC++混编技术的混杂系统预测控制及仿真

深入研究了混杂系统基于混合逻辑的建模方法，提出变权重矩阵的预测控制策略对系统进行优化和控制，对一个具体实例进行了仿真研究，表明基于混合逻辑动态模型的变权重预测控制策略能使系统跟踪设定值并满足约束条件。基于Matlab与VC 设计的系统仿真平台，为算法工程化实施提供了一个有效途径。     

基于混合型评价矩阵的多属性群决策方法

本文针对具有语言型、直觉模糊数和区间直觉模糊数三种评价信息的混合型多属性群决策问题, 提出一种基于属性权重和专家权重均未知的决策方法. 首先, 定义新的转换函数, 可将不同粒度的语言评价信息统一成区间直觉模糊数; 然后, 基于支持度确定未知属性权重, 并在综合考虑区间直觉模糊数熵值和相似度的基础上, 建立了一种新的专家权重确定模型; 在将混合型决策矩阵转换成区间直觉模糊决策矩阵后, 利用IIFWA算子依次集结个体决策矩阵, 从而得出方案集的排序. 最后, 应用在ERP选优问题中, 验证了方法的有效性.     

离散混沌测量矩阵构造及其性能研究

若测量矩阵满足约束等距性(restricted isometric property, RIP),则样本能够完美恢复出原始信号。而对于给定矩阵很难验证其是否满足RIP需求,因此,本文采用李雅普诺夫指数作为一种针对离散混沌测量矩阵的验证指标。首先分析了RIP与李雅普诺夫指数之间的联系,然后给出了一种分段式混沌映射构造方法用以提高混沌性能,并从理论和仿真上证明了该方法的有效性。实验结果表明,这种方法不仅提高了混沌序列的随机性和自相关性,而且所生成的测量矩阵也具有更好的性能。因此,引进李雅普诺夫指数是一种有效的验证离散混沌测量矩阵性能的方法,提高李雅普诺夫指数能够提高混沌测量矩阵的性能。     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。