基于高阶交叠组稀疏正则项的图像恢复方法

为进一步提高交叠组稀疏全变分模型的图像恢复效果,通过在现有模型的基础上结合图像的二阶梯度信息,增加二阶梯度正则项的方法对交叠组稀疏正则项进行改进,研究了基于高阶交叠组稀疏正则项的模型建立和算法以及在图像恢复中的效果及各参数的影响。结果表明：在一定水平噪声标准差的情况下,应用该方法对图像进行恢复时,基本上均可获得比其他模型更好的恢复效果。可见在交叠组稀疏全变分模型中考虑二阶梯度信息有助于提高图像的恢复性能。     

MLC高阶振荡电路的研究与设计

采用光滑忆阻器模型,设计了一个五阶MLC振荡电路,并建立了系统微分方程组.理论分析表明该系统具有一个二维平衡点集,其稳定性与忆阻器初始状态和电路参数有关.采用常规动力学分析手段研究了系统随电路参数和忆阻器初始状态变化时的动力学特性,数值仿真验证了理论分析的正确性.在此基础上,主要就高阶MLC振荡电路设计进行了讨论,总结出初步设计规律.     

风险中性高阶矩:特征、风险与应用

本文采用香港恒生指数期权中的虚值期权计算香港股票市场风险中性高阶矩, 通过其与另一种高阶矩预期——运用历史分布通过AR(1)-GARCH(1,1)模型估计出来的现实世界高阶矩预期之间的关系分析高阶矩风险溢酬.研究结果发现: 在香港股票市场中,偏度、峰度等高阶矩具有非常显著的风险溢酬, 且风险溢酬均小于0. 这表明香港市场的投资者热衷于冒险, 以在短时间内获得较大收益.另外,考察了香港股票市场的期权价格结构,我们发现从恒生指数期权中得到的香港股票市场隐含波动率几乎是一条水平的直线. 在对香港市场整体高阶矩进行分析时,也发现其偏度与峰度不能拒绝市场整体分布为正态分布的假设.     

Burgers方程的跳点紧致格式

Burgers方程是流体力学中非常重要方程.通过Hopf-Cole变换可以将Burgers方程转化为抛物型方程,把为Burgers方程构造一种高精度的、高效率的数值格式的问题变成了为抛物型方程构造一种新格式的问题.新格式以等价于Du Fort-Frankel格式的跳点格式为基础,引入高阶紧致格式的思路以提高跳点格式的收敛阶,称新格式为跳点紧致格式.此格式既保持了跳点格式计算效率高、占用内存少、无条件稳定的优点,又将空间方向收敛阶由2阶提高到了4阶.最后,数值算例验证了跳点紧致格式在空间方向收敛阶是4阶的.     

2-Sylow子群的阶及元素最高阶与次高阶与A9相同的有限群

讨论2-Sylow子群的阶,以及元素的最高阶元的阶、次高阶元的阶与A_9相同的有限群,得出了这类群的若干必要性质.     

不确定非线性系统的二次稳定新方法

针对一类不确定非线性系统, 采用模糊技术, 提出了一种新的二次稳定控制方案. 应用模糊T-S模型和模糊逻辑系统对非线性系统建模, 所设计的模糊控制器使得闭环系统二次稳定并满足期望的L₂范数界. 该方案的主要优点是不对逼近误差和不确定性做约束假设. 仿真结果表明了该方案的可行性.     

高阶斜积映射下Schrodinger算子的Lyapunov指数

利用Weyl差分原理、 大偏差定理和雪崩原理等方法, 考虑高阶斜积映射T_ω定义下离散解析Schrodinger算子的Lyapunov指数正性和连续性问题. 证明了当其势能系数充分大时, 系统的Lyapunov指数关于能量参数E是弱Holder连续的, 且是正的. 从而将低阶斜积映射下的Lyapunov指数连续性和正性的结论推广到了高阶情形.     

基于多特征融合的MIMO-OFDM系统单-混信号调制识别算法

为解决非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统的单-混信号调制识别问题,提出一种基于多特征融合和决策融合的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端恢复发送信号;然后,提取恢复后信号的四次方谱、循环谱和高阶累积量作为输入样本,利用多特征融合网络对输入样本进行训练;最后,使用决策融合策略根据每条支路输出得到最终判决结果。仿真实验结果表明,所提方法可以对MIMO-OFDM系统中的7种信号进行有效识别,在信噪比为10 dB时识别精度可达99.4%。     

基于高阶累积量和改进GRNN的CSI手臂行为识别

为了挖掘信道状态信息(channel state information,CSI)在手臂行为识别中的非线性深层特征,提高识别准确度,提出了一种基于高阶累积量和改进广义回归神经网络(generalized regression neural network,GRNN)的CSI手臂行为识别算法.离线阶段,将在不同手臂动作下...