基于累积前景理论的M/M/1排队模型

基于Kahneman和Tversky提出的累积前景理论(Cumulative Prospect Theory,简称CPT),分析了M/M/1排队模型中顾客的最优到达率问题,此模型包含参照点、S-型价值函数、损失厌恶以及概率的权重函数.分析了模型的适定性问题,并在适定性的基础上对顾客最优到达率进行了分析.基于累积前景理论,商家服务速率越高,最优顾客到达率越高.商品价格和顾客的边际等待成本对最优顾客到达率的影响与服务收益对最优到达率的影响相反.在数值案例中,各要素对顾客最优到达率的影响与期望效用理论(Expected Utility Theory,简称EU)的分析结果是类似的.并指出累积前景理论求出的顾客最优到达率总是比期望效用理论下求出的顾客最优到达率低.     

陶粒载体序批式生物膜反应器及其氧传递系数测定

介绍了一种新型的生物膜反应器 :以陶粒为载体的序批式生物膜反应器 .并求出了在设定的工艺条件下的氧传递系数 .结果表明 :本反应器有较强的氧传递输送能力 ,能满足微生物的有机物代谢和降解有机污染物的需要     

浅谈教师听课与评课

听课与评课是提高教师教学水平的一项重要活动。本文从如何听课与评课的角度，充分论述了教师听课与评课的重要性，听课与评课不能流于形式，应恰如其分给予评价，全面加以总结，使讲者心悦诚服，不断地提高教学水平。     

浅谈环境会计信息批露

环境保护问题已引起世界各国的高度重视,实现我国经济的可持续发展,应加强对环境会计信息的批露,但传统的财务会计所进行的信息批露,把企业局限于没有生态的环境中的经营成果和财务状况,无论从企业自身的发展需要还是从企业外部有关信息使用者的需求看,对企业环境会计信息批露十分必要。本文重点探讨了环境会计信息批露的产生及必要性、环境会计所批露的内容及批露方式。     

利用GDOP对蜂窝移动通信系统移动台定位的方法

针对基于网络的到达时间 (TOA)定位系统 ,分析了定位误差与移动台 (MS)位置及参数测量误差的关系 ,结合实际中能同时接收到移动台信号的基站 (BS)数有限、定位误差对移动台位置敏感的特点 ,提出了直接用解析法计算所有位置线的交点 ,然后用几何淡化因子 (GDOP)及参数测量误差的均方差对交点进行加权平均来估计移动台位置的方法。该方法同时考虑了参数误差与几何淡化因子对定位精度的影响 ,不需要矩阵求逆 ,运算量小 ,速度快。适用于存在直达波 (LOS)信号的蜂窝通信环境。     

BAC-SBR反应器处理ABS凝聚干燥工段废水

采用生物活性炭序批式反应器(BAC-SBR)处理ABS凝聚干燥工段废水,利用紫外可见光谱及红外光谱等技术检测分析废水处理过程中有机污染物的变化,并重点研究分析了该废水中的有毒难降解有机污染物在BAC-SBR反应器中的降解过程。研究结果表明BAC-SBR反应器处理该废水的过程主要包括活性炭吸附、活性炭的生物再生及生物再生完成3个阶段;经过180 min的处理,废水的COD和TOC去除率均能达到85%以上;并且通过紫外可见光谱和红外光谱检测分析可知该反应器能够高效地降解转化废水中的芳香类及有机腈类有毒有害污染物。     

基于M／G／1排队模型的业务流性能研究

针对无线传感器网络可能存在的拥塞问题,提出了一种新的业务流性能刻画方法．利用M／G／1排队模型建立了一步转移概率矩阵,在先来先服务策略的基础上推导了业务流的队列长度和等待时间的数学表达式,通过仿真实验分析了当服务源分别服从定长分布和后阶Erlang分布时,系统的等待时间与服务率、到达率之间的关系．结果表明,等待时间与到达率成正相关,与服务率成负相关,并且对k阶Erlang分布的影响更大．     

基于均匀圆阵的循环平稳信号的DOA估计

相干信源的DOA估计一直是一个十分棘手的问题,由此提出了一种基于均匀圆阵的利用信号循环平稳特性进行DOA估计的方法.利用模式空间变换算法以及矩阵分解算法的思想,结合信号的循环平稳特性和Cyclic MUSIC算法,实现在高斯白噪声背景下均匀圆阵相干信源的DOA估计.通过MATLAB仿真验证了该算法具有良好的解相干能力,在低信噪比条件下具有比常规的循环空间平滑算法更好的解相干性能.     

基于卡尔曼滤波算法的单站无源定位原理分析与研究

对空中机动辐射源的定位和跟踪,主要采用卡尔曼滤波方法.本文提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法.运用卡尔曼滤波器,这种算法可以获得很好的定位效果.通过计算机仿真,验证了该方法的正确性与有效性.     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。