有意电磁干扰辐照下电子设备响应的∞范数上确界评定方法

为量化表征有意电磁干扰(IEMI)辐照对电子设备的电磁损伤能力,本文围绕IEMI辐照下设备响应波形∞范数的上确界评定,通过构建关于时域波形变量的泛函优化问题,求解了能最大化斜率峰值及冲击峰值两类∞范数的IEMI辐射场波形,获得了范数上确界关于设备电磁耦合效率函数的解析解。研究发现,能最大化斜率峰值、冲击峰值范数的IEMI均为具有宽带脉冲波形特征,且范数上确界分别由耦合效率函数的高频、低频分量强度决定。选取了Vivaldi及对数周期两类超宽带天线作为受扰设备,通过对比分析了不同∞范数目标最优IEMI波形的时、频域特征,验证了范数定界方法具备准确性及全局最优性。研究解决了IEMI辐射波形复杂多变条件下的设备辐射抗扰度量化评估问题,完善了极端条件下的电磁安全评估理论,对于创新IEMI抗扰度试验技术及防护加固技术具有指导意义。     

一种矢量量化的快速码字搜索算法

文章提出了一种基于范数和方差相结合的码字快速搜索算法。该算法在搜索前预先计算码书中码字的范数和方差,并按范数的大小对码书中的码字进行排序;搜索时,利用有序的码书和有效的删除准则,大大减小了码字的搜索范围,从而降低了编码时间。     

Young型不等式的推广及其反向形式

在给出数字情形Young型不等式的推广及其反向形式的基础上,获得相应的算子不等式及在Hil-bert-Schmidt范数、酉不变范数和迹范数意义下的矩阵不等式.     

并联机床驱动杆铰链位置误差分析

为提高并联机床运动精度,解决其铰链误差对运动精度的影响问题,以东北大学开发的3-PTP并联机床为分析对象,采用叠加原理,建立三自由度并联机构驱动杆铰链误差模型;采用矩阵范数分析驱动杆铰链误差对动平台终端运动精度的影响规律.分析表明,结构参数λ大,不利于减小工作空间内动平台位置误差的最小值,但对其最大值影响不大.该误差模型的建立为此并联机床进一步优化机构设计参数以及误差补偿奠定了基础.     

非线性离散广义系统的H∞控制

针对非线性离散广义系统研究了状态反馈H∞控制器的设计问题,利用广义Lyapunov函数和线性矩阵不等式(LMI),首先对系统的零解渐近稳定问题进行了研究,并在此基础上给出了系统的零解渐近稳定且具有H∞范数约束的充分条件,之后设计了状态反馈H∞控制器,使闭环系统具有同样的性能,最后给出了数值算例说明本文结论的有效性和可行性.     

限制在光滑参数曲线上的C1曲面插值

给出了一种限制在光滑参数曲线上的C1曲面插值方法.首先通过曲线参数化,建立从曲线到实参数轴的一个一一映射,将限制在曲线上的曲面插值问题转化为实参数轴上的一元插值问题,然后采用范数极小的方法给出参数轴上的一元C1插值函数,再将此插值函数映射到原曲线上即得到限制在参数曲线上的插值函数.理论推导和图形实例显示表明该方法具有逼近效果好的优点.     

Fuzzy系统的范数与Fuzzy系统的分类

引入了R-Fuzzy集和Fuzzy系统范数的概念,在Fuzzy系统范数的意义下,可将Fuzzy系统分为3类,即正规Fuzzy系统、正则Fuzzy系统和奇异Fuzzy系统.证明了基于ZadehFuzzy集的Fuzzy系统和BernsteinFuzzy系统是正规Fuzzy系统,基于R-Fuzzy集的HermiteFuzzy系统是正则Fuzzy系统,基于R-Fuzzy集的LagrangeFuzzy系统是奇异Fuzzy系统.最后,通过构造BernsteinFuzzy系统,得到了一个广义Bernstein多项式.在较弱的条件下证明了广义Bernstein多项式在C[a,b]中具有泛逼近性,并通过反例说明:存在不具有泛逼近性的广义Bernstein多项式.     

SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

Alpha稳定分布噪声环境下新的类RLS自适应算法

给出在分数低阶Alpha稳定分布环境中一种新的类RLS自适应算法.由于Alpha稳定分布信号不存在有限的二阶和二阶以上矩,因此用最小p范数准则代替了传统的最小均方准则,并利用矩阵求逆定理提出一种直接递推的类RLS算法,避免了以往类RLS算法中的IRLS迭代计算,从而使算法的计算复杂度大大降低.最后对几种自适应算法进行仿真,并对其收敛特性进行了分析.结果表明,算法的收敛速度明显快于LMP和NLMP算法.     

2个矩阵行列式之差上界的新估计

设A,E为n×n阶矩阵,对于2个矩阵行列式之差的上界估计,有结论 det(A+E)-det(A)≤∑n i=1(n i) An-i2Ei2≤(A2+E2)n-An2.其中这里的A2表示矩阵A的谱范数.通过一种新的矩阵范数改进该结论,运用Matlab进行了实例验证,结果更优.