Evaluating the influences of measurement time and frequency on soil respiration in a semiarid temperate grassland

Soil respiration(Soil R)is one of the largest CO2fluxes from terrestrial ecosystems to the atmosphere.The largely seasonal and daily patterns of Soil R in semiarid grassland ecosystems indicate that measurement time and frequency would have significant influences on the assessment of seasonal soil carbon release.Based on a three-year continuous measurement of Soil R in a semiarid grassland,we found that the Soil R value measured at around 10:00 o’clock local time was the closest to its daily mean,while the value at 14:00 o’clock was found to be the highest daily rate.A measurement frequency higher than every 10 days was necessary for estimating the seasonal Soil R and its temperature sensitivity(Q10)reasonably.Our study would be useful as guidelines for manual Soil R measurements and model data selection in semiarid temperate grasslands.     

一种基于独立分量分析的变速跳频信号盲分离方法

针对当前跳频信号盲分离算法计算量大,精确度不高的问题,结合变速跳频信号采用不断加快的跳速和“跳速多变”的策略,提出了一种利用信源间的独立性解决变速跳频信号盲分离问题的方法。同时,采用负熵最大化寻优算法加快了传统独立分量分离算法运算速度。通过仿真实验与处理实际数据结果表明：与其他方法相比,该方法在不需要任何先验信息的条件下,可以在低信噪比的情况下较好地分离出各个变速跳频信号,同时能够精确恢复出变速跳频信号的跳频图案,在20 dB信噪比的情况下,分离后相似系数可以达到99%。该研究为变速跳频信号盲分离问题提供一个新的解决途径。     

基于压缩感知的频率不变波束旁瓣水平优化方法

频率不变波束形成技术属于恒定束宽波束形成,能解决宽带信号中不同频率分量对应的波束响应不一致的问题.针对现有的一类将恒定主瓣宽度作为约束条件的频率不变波束形成方法,当阵元个数确定以后,形成的波束旁瓣水平往往达不到实际需求的问题,借助压缩感知理论,提出了一种改善波束旁瓣水平的新方法.提出的方法引入压缩感知理论(compressed sensing,CS)进行信号的预处理,并利用二阶锥规划(second order cone programming,SOCP)进行频率不变波束形成.由于压缩感知的恢复算法可以对压缩采样矩阵采集的信号进行精确重构,从而达到以更少的阵元获得相同的波束形成器性能.换言之,在相同的阵元个数条件下,通过阵列虚拟扩展增大了阵列的孔径,提出的方法比基于SOCP的频率不变波束形成方法有更低的旁瓣水平,仿真结果也表明了该方法的有效性,在相关的工程实践中具有一定的参考价值.     

Strong Limit Theorems for Arbitrary Fuzzy Stochastic Sequences

Based on fuzzy random variables, the concept of fuzzy stochastic sequences is defined. Strong limit theorems for fuzzy stochastic sequences are established. Some known results in non-fuzzy stochastic sequences are extended. In order to prove results of this paper, the notion of fuzzy martingale difference sequences is also introduced.     

φ混合序列的若干收敛性质

讨论φ^～混合序列的收敛性质,得到3个完全收敛定理,将φ^～混合序列独立情形下的收敛性质较好地推广到相依情形．     

一种阵列式传感器数据融合方法的研究

提出了一种基于支持度和自适应加权的阵列式传感器数据融合方法。其特点是通过关联融合多组测量信号序列以降低静态数据的随机测量误差。对单传感器测量信号序列,采用支持度方法计算每个测量数据的综合支持度和加权因子,然后对测量信号序列进行加权融合。对阵列式传感器多组测量信号序列,基于单传感器数据融合,利用自适应加权方法,在总均方误差最小意义下进行多组测量信号序列数据融合。仿真结果表明,该阵列式传感器数据融合方法是有效的。     

基于CNN网络的跳频信号个体识别

针对传统跳频信号指纹特征提取只是利用深度学习进行分类的问题,利用CNN网络特征提取的特性,实现了一种基于CNN网络的对预处理后的跳频信号实现特征提取和分类网络模型。首先将收集的跳频信号进行短时傅里叶变换转换到跳频信号敏感的频域,将跳频信号频谱图作为CNN网络模型的输入,CNN网络通过多层卷积提取信号频域深层次特征,通过Batch Normalization、Callback函数的优化加快了网络的收敛速度,同时防止了过拟合现象,最终输出跳频信号的识别分类结果。对比实验结果表明,CNN网络的分类识别正确率较以往的方法更高,在信号信噪比越大的情况下,识别效果越好。     

两两NQD序列完全矩收敛的精确渐近性

设{X_n, n≥1}为同分布的两两NQD(negatively quadrant dependent)序列, 均值为0. 在适当的条件下, 利用两两NQD序列的中心极限定理和矩不等式等工具, 给出两两NQD序列部分和一般对数律下完全矩收敛精确渐近性的一般函数式.     

基于压缩感知的线性调频雷达成像

在经典的压缩感知理论中,最常用的测量矩阵是高斯随机矩阵和伯努利随机矩阵,它们具有最优的约束等容性质(R IP).与其他测量矩阵相比,精确重建同样的稀疏信号所需的采样数最少。然而完全的随机性导致它们在具体工程应用中受到限制,同时大大增加了重建算法的时间和空间复杂度。基于统计约束等容性质(StR IP)和确定性测量矩阵理论提出一种基于线性调频信号的压缩感知雷达成像方法,利用雷达发射的线性调频信号来构造测量矩阵,并用仿真实验证明了利用该测量矩阵可以很好地实现稀疏信号的重建。     

差分共振声谱法测量岩石声学参数方法研究

给出了一种测量岩石声学属性的新方法——差分共振声谱法。该方法的原理是通过测量待测岩石样本对共振腔共振频率的扰动来计算待测岩石样本的声学参数。首先详细介绍了差分共振声谱法的基本理论,然后用COMSOL有限元模拟软件对18个已知参数的岩石样本的共振进行了正演模拟,进而用模拟结果进行反演计算,得到了比较好的结果。