可变2n点流水线FFT处理器的设计与实现

设计一种可以连续计算N点复数序列傅里叶变换(FFT)的流水线结构处理器,其序列长度N(为2的幂)可变.流水线结构由乒乓存储器将基本运算模块级联而成,对输入数据的顺序以及流水运算的级数加以控制便可计算不同长度序列FFT.给出了由序列长度控制输入数据倒序、旋转因子寻址以及数据输出的实现方法.数据采用块浮点表示,提高了运算精度.用硬件描述语言VHDL在寄存器传输级(RTL级)进行描述,并在单片FPGA上实现.该芯片可工作在80 MHz,连续计算时,处理长度为1 024点的序列仅需12.8 μs.     

基于多背景模型的海面运动目标检测

提出一种在反射光较强的条件下基于多背景模型的海面运动目标检测方法.使用基于统计模型的变化检测方法将被监控场景区分为海浪波动显著的背景区域和海浪波动不显著的背景区域;对这两种区域中的像素点分别以Weibull分布模型和Gauss分布模型建立背景模型;使用建立的背景模型检测海面的运动目标.实验结果表明,在海面反射光较强且波浪波动较大的情况下,用该方法可以比较准确地检测到海面的运动目标.     

B值极限鞅差序列的Brunk型大数定律

分别对于取值于p-致光滑空间的极限鞅、概率极限鞅和L1极限鞅的差序列证明了Brunk型大数定律，推广了Woyczynski中关于鞅的相应结论。     

信号分析中的正交变换

信号分析的主要目的是寻找一种简单有效的信号变换方法，以便突出信号中的重要特性、简化运算的复杂程度，其中希尔伯特(Hibert)空间中的正交变换得到了广泛的应用。投影定理在平稳时间序列的预报及函数逼近研究中起着重要的作用。本文从数学分析的角度推证了正交变换与投影定理的内在联系，通过信号分析中典型正交变换的应用进行了验证，从而揭示了正交变换的内在本质。     

Banach空间中的1阶Bessel序列

在Banach空间X中引入了1阶Bessel序列与Bessel算子的概念,证明了X上的全体1阶Bessel序列构成一个Banach空间;对X上的任意1阶Bessel序列f={fn}n∈Λ,引入了算子Tf:X*→l1,给出一个序列成为1阶Bessel序列的若干充分必要条件;引入(1,∞)阶对偶对的概念,证明了(f,g*)成为X×X*中的(1,∞)阶对偶对当且仅当Tf*Tg*|X=IX.     

基于无偏灰色-马氏链组合模型的股价研究

通过对股票价格运行特点分析，将这一随机时间序列分解成由灰色模型拟合的趋势变动序列和马尔可夫链，并在对两详细剖析的基础上建立了无偏灰色—马氏链组合模型，以此预测上证综合指数的区间概率分布、平稳分布、均值以及平均涨落时间，检验和实例表明该模型具有较高精度和应用价值．     

ρ-混合序列Jamison型加权和的强收敛性

设{Xn,n≥1}为同分布ρ-混合序列,EX1=0,{an,n≥1}为正实数序列,An=n∑k=1 ak↑∞（n→∞）,考虑Jamison型加权和Tn=1/An∑k=1 akXk,在类似Jamison等（1965）的条件下,证明了Tn的强收敛性,即Tn→0,a.s.（n→∞）,把已有的结论推广到了ρ-混合序列的情形.     

谐波分析高效算法的研究

从满足电能质量测量的实时性要求出发,尽量减少数据的计算量,研究开发了基于复序列的FFT算法;该算法与FFT比较,分析同样序列长度的电压、电流数据,使其FFT运算量减少了一半.因此该算法在电能质量在线监测系统中得到了很好的应用.     

斜带石斑鱼神经坏死病毒基因组RNA1和RNA2序列测定及分析

根据GenBank数据库公布的鱼类神经坏死病毒(nervous necrosis virus,NNV)同源序列设计了7对特异性引物,采用RT-PCR方法扩增出目的片断,将PCR产物测序和分析.斜带石斑鱼Epinephelus coioides神经坏死病毒(orange-spotted NNV,OGNNV)基因组由两个片断(RNA1和RNA2)组成,RNA1由3 103个核苷酸组成,含有一个开放阅读框,编码982个氨基酸;RNA2由1 433个核苷酸组成,含有一个开放阅读框,编码338个氨基酸.OGNNV基因组与新加坡GGNNV(greasy grouper NNV)的基因组有高度的相似性.分析病毒的RNA2序列发现:OGNNV与DGNNV(dragon grouper NNV)、RGNNV(redspotted NNV)和GGNNV的亲缘关系很近,并且具有相同的中和位点;分析病毒的RNA1序列,发现在OGNNV的RNA1序列中同样可以找到依赖RNA的RNA聚合酶的6个模序(motif).根据同源性比较和系统进化分析,OGNNV属于RGNNV血清型的成员.     

基于聚类的Web序列模式挖掘

Internet飞速发展在带给人们很多方便的同时,也出现了一个新问题,即如何从大量的Web日志数据中快速而方便的找到所需要的信息,Web日志挖掘是其关键技术之一.本文使用了RACE算法及使用长度分析实现了Web序列模式的日志挖掘,并进行了实例分析.