基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

关于Hermite矩阵的若干不等式

利用矩阵不等式的相关知识，以及Neumann不等式和已知的实数不等式，将2个简单的实数不等式推广到矩阵迹和范数领域，得到矩阵范数不等式的推广形式.     

基于粒子群算法的隔振体系参数优化研究

首先利用粒子群优化算法,以传递率为适应值函数,分别对单自由度、双自由度隔振体系进行了隔振参数的单目标和多目标优化研究.随之,考虑了状态反馈控制方法,目标函数选为传递函数矩阵的无穷范数;数值试验表明,在无控最优隔振参数的基础上,施加反馈控制,并不能进一步优化隔振体系;而重新在线计算隔振参数及反馈控制器,可以进一步优化原无控最优隔振体系.最后,进行了兼顾控制力传递率的多目标研究,旨在优化隔振体系传递率的同时,尽可能降低控制能源消耗.本文的系统研究,解决了隔振体系参数的最优设计问题;并在隔振基础上施加控制体系,讨论了最优参数设置的重要性;此外,兼顾控制能源消耗的参数优化,对于传统的隔振和控制体系设计具有一定的创新意义.     

弱链对角占优矩阵的‖A~(-1)‖_∞的新界

对弱链对角占优矩阵A的主子矩阵的逆矩阵,A,A-1的元素的关系式应用新给出的A-1元素的上界估计式并进行放缩,得到了‖A-1‖∞上界新的提高的只与A的元素有关的估计式.     

传感器故障非线性系统的快速抑制初态误差迭代学习控制

针对一类带有传感器故障的非线性系统提出了一种新的迭代学习控制算法,该算法在任意初态条件下,结合开环D型迭代学习律,设计一个随迭代次数增加而缩短的时间段,该时间段控制器对状态偏差进行修正,使系统跟踪误差收敛到与初态误差无关的界内,仅由系统自身不确定性和干扰决定。进而基于λ范数理论选取适当的控制增益,抑制传感器故障带来的跟踪误差,并给出控制算法的一致收敛性和误差的有界性证明。注塑机系统的速度控制仿真结果验证了该算法的有效性。     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

基于L~1范数变分模型的高密度椒盐噪声滤波

针对现有图像滤波算法在去除高密度椒盐噪声方面的不足,提出了一种基于L1范数变分模型的去噪算法.该算法首先根据椒盐噪声的特点和像素的局部灰度特征分离出噪声点和信号点,在滤波过程中,对信号点不予处理,而对噪声点采用基于L1范数的变分模型进行恢复.由于椒盐噪声的灰度值与原始像素无关,因此,去噪时只利用噪声点邻域内信号点本身的灰度信息,并将已处理过的噪声点当作新的信号点,以避免对下一像素滤波时的影响.最后通过仿真实验,结果表明,在高密度噪声条件下(50%),该算法的噪声去除能力和细节保护能力均可获得令人满意的结果.     

输出干扰对基于逆模型的迭代学习控制的影响（英文）

针对具有输出干扰的线性时不变单输入单输出系统,首次运用基于逆模型的迭代学习控制理论分析其轨迹跟踪控制问题.通过严格的数学分析,提出了无干扰输出误差的数学期望计算公式(欧几里得范数)并证明了其收敛性.进而给出了其频域分析公式,证明了系统参数、噪声光谱和基于逆模型的迭代学习控制参数对收敛性的影响.系统仿真实验结果验证了以上的理论发现.     

广义M-矩阵的逆矩阵范数的估计

研究广义M-矩阵的性质及其逆矩阵范数的估计问题,给出两个新的估计式,并通过数值例子验证相应的结果。