具有非常数回报率的证券指数跟踪问题的简单脉冲控制

运用随机脉冲控制理论讨论了均值 -方差模式的现金管理指数跟踪问题 ,在回报率随现金比重变化的情况下 ,讨论了证券指数跟踪最优化问题 ,得出了存在简单脉冲控制策略的充分性条件 .     

小样本参数估计算法及其应用

本文简要介绍了Minimax法和MSAR法对小样本数据的研究,随之重点介绍了1种实用的新算法IMSAR法及其应用。该法是通过变权松弛最小二乘法,确定适当的权因子来实现的。它克服了MSAR法的运算量随样本数据量增加而显著增加的突出缺点,仿真结果表明:IMSAR法具有较强的抗干扰能力,可适应于噪声分布未知的情况。最后,本文将IMSAR法应用于转炉炼钢动态模型及药物房室模型的建立,收到了令人满意的效果。     

基于PiggyBac转座系统的低溢漏诱导型Tet-On过表达体系的建立及应用

为避免诱导基因稳定表达的Tet-On诱导表达系统溢漏表达,实现简便且高效的外源基因稳定诱导表达, 本研究拟在Tet-On调控的转录水平基础上,将基于稳定配体Shield-1的不稳定结构域FK506结合蛋白引入目的基因的N端,从蛋白水平控制其本底表达水平.为验证该系统的效果,本研究以荧光蛋白TdTomato为报告基因,经流式分析结果证明优化后的体系较原体系的溢漏表达在蛋白水平上降低7倍左右.将该系统应用于基于小鼠胚胎干细胞的体外牙向分化模型,在诱导因子Dox和稳定配体Shield-1的协同作用下,诱导表达牙齿发育相关转录因子Hand2提高了牙向分化诱导的完成度.     

边界层对粗糙单裂隙溶质运移影响试验

为探究非费克(non-Fickian)运移表现出的峰值提前到达和拖尾等现象,开展了粗糙单裂隙溶质运移试验,总结了粗糙单裂隙中溶质运移特征及运移机理,结合边界层理论对峰值提前到达和拖尾现象进行了分析和解释。结果表明：峰值时间和拖尾时间与边界层厚度之间存在较好的线性相关关系;边界层对裂隙介质溶质运移有较为显著影响,即水流速度越小,边界层厚度越大,滞留在边界层内部的溶质越多,溶质获取率越低;粗糙单裂隙中溶质穿透曲线的峰值提前和拖尾现象是由裂隙中心处以惯性力主导的主流区和裂隙壁面以黏性力主导的边界层区共同作用造成的,其中峰值时间主要由主流区的对流因素控制,而边界层区域的存在对拖尾时间影响较大。     

固定时间扩张状态观测器下的四旋翼飞行器滑模控制策略

针对滑模控制中系统状态接近滑模面后存在的抖颤现象,提出一种基于固定时间扩张状态观测器(FTESO)的二阶滑模控制策略.首先,设计全驱动子系统及欠驱动子系统的控制结构中的二阶滑模控制器;然后,通过FTESO对内部的参数不确定及外部扰动进行观测,在一定时间上限内收敛到观测值,利用观测值对控制器进行补偿,从而减少甚至消除抖颤现象;最后,通过李亚普诺夫函数保证设计的四旋翼飞行器系统的闭环稳定性,并进行仿真实验.结果表明：文中提出的控制策略具有优越性.     

频域时间反转多用户系统的信干噪比和误比特率分析

为了更有效地将时间反转技术应用到正交频分复用系统中,推导了多天线频域时间反转预编码多用户系统的平均信干噪比和误比特率的表达式。通过推导信号功率均值的表达式和用户间干扰信号功率均值的近似表达式,得到用户的平均接收信干噪比的近似表达式,进而得到二进制相移键控调制下的平均误比特率的一个下界和近似表达式。仿真结果表明,推导的平均信干噪比的近似值与仿真结果很接近,近似BER值与仿真得到的平均BER值较为接近;通过增大速率回退因子和天线数,可明显提高平均信干噪比,降低误比特率。     

用于焊缝跟踪的调制式红外光学传感器

叙述了一种以脉冲调制的红外光束为信号光源的焊缝跟踪传感器。通过对接 收信号的滤波及“自适应消噪”处理,可以有效地克服电弧光的干扰;利用光源的脉冲 驱动特性,加大了瞬时信号功率,改善了光学传感器对工件表面的适应性。传感器结构简 单、体积小、灵敏度高、能同时实现对焊缝在水平及高度两个方向的自动跟踪在埋弧 及明弧自动焊中均能准确地跟踪。     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。