矩阵方程X-A~*X~(-q)A=I(q>1)的Hermite正定解

讨论了矩阵方程X -A X-qA =I在q >1时的Hermite正定解的存在性和解的性质并且构造了两种数值求解的迭代方法 .以上结果利用数值例子来说明 .     

离散时变系统迭代域最优学习控制

针对线性时变离散系统，首次提出并研究了迭代域内线性二次型最优迭代学习控制问题。所得到的迭代学习控制方法在迭代域内是保性能最优的，其学习率不需主观选取，学习速度可通过改变性能矩阵参数进行调节。     

再论C2R模型的最优解的存在性及灵敏度分析

在评价指标可取负值及较宽松的条件下论证了有关C^2R模型(D)及扩展的C^2R模型(D0)的最优解存在性定理．然后，在输出可取负值的情况下，给出了用(D0)来判断DEA有效的定理，并据此讨论了评价指标有相对误差时的灵敏度分析．     

基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

基于相关矩阵对角化和遗传算法的盲源分离法

提出了一种新的基于相关矩阵对角化的代价函数作为衡量输出信号独立性的测度。为了扩大搜索空间,降低各信源之间的互相关性,将代价函数进行了非线性变换。还提出了利用实数编码的遗传算法对代价函数进行最优化搜索,以克服传统梯度搜索方法容易陷入局部收敛的缺点。此方法不仅适用于平稳或非平稳信号,而且还可用于瞬时或卷积混和模型的盲源分离问题。仿真实验表明,该算法具有快速收敛性能和高精确度等优点,能够大大提高分离后的输出信噪比。     

非线性中立型延迟微分方程Runge-Kutta方法的稳定性

对Rα,β类非线性中立型延迟微分方程给出了稳定及渐近稳定的充分条件,对于Runge-Kutta方法应用于上述问题得到的数值方法，获得了其稳定及渐近稳定的条件。     

分布式被动传感器网异步采样下的机动目标跟踪

针对分布式被动传感器网的特点，提出了一种异步采样条件下机动目标跟踪方法。该方法采用交互式多模型概率数据互联滤波器跟踪机动目标。为启动滤波器，采用最大似然法估计目标初始状态；为适应异步观测条件，提出了马尔可夫转移概率计算方法。仿真实验表明，在分布式被动传感器网中采用该算法能有效进行机动目标跟踪。     

基于综合赋权的风险型多属性决策方法

讨论了属性值是有限区间上的连续型随机变量的风险型多属性决策问题。首先,通过密度函数的变换,研究了风险决策矩阵的规范化问题。基于主客观赋权的思想,建立了一个确定综合权重的模型,并给出了求解此类问题的一种方法。最后,以属性值为区间数的多属性决策问题作为特殊情况,给出了实例。     

线性脉冲时滞微分方程解的稳定性

通过对一类n阶线性脉冲时滞微分方程零解稳定性的讨论，建立了零解稳定性的比较结果，给出了零解一致稳定、渐近稳定与指数稳定的充分条件．所得结论推广了相关结果。     

高阶微分方程周期边值问题的上下解方法

利用上、下解的单调迭代方法，讨论了高阶微分方程周期解的存在性，推广了文献[1]中的结果。