产生随机数的新方法

总结了随机数产生的一些方法,并利用马尔可夫链给出了一种随机数产生的新方法.由于过程中转移概率矩阵产生具有随机性,同时服从区间(0,1)上均匀分布,产生的随机数也具有随机性,故双重随机性保证了状态空间中随机数的产生具有更好的随机性.     

分块矩阵群逆的表示

S.L.Campbell在文献[1]中提出形为M=(ACBO)(其中A为方阵)的矩阵的Drazin逆表示问题.该问题至今未解决.本文利用群逆存在的充分必要条件和群逆的求解公式,给出形为M的分块矩阵的群逆的存在性证明及一般表示方法.     

基于非负矩阵分解新的人脸识别方法

非负矩阵分解是一个新的特征提取方法,基于非矩阵分解的理论,提出了具有正交性的投影轴的计算方法和具有统计不相关性的投影轴的计算方法。与原非负矩阵分解方法,提出的方法在某种程度上是降低了特征矢量之间的统计相关性,并且提高识别率。通过在ORL人脸库和YALE人脸库上进行实验,结果表明提出的两种特征提取方法在识别率方面整体上好于原非负矩阵分解特征提取(NMF)方法,甚至超过主成分分析(PCA)法。     

Analysis for MIMO correlated frequency-selective channel in the presence of interference

The space time spreading, superimposed training sequences, and space-time coding are used to present a multiple input and multiple output （MIMO） systems model, and a closed-form of average error probability upper bound expression for MIMO correlated frequency-selective channel in the presence of interference （co-channel interference and jamming signals） is derived. Moreover, the correlation at both ends of the wireless link that can be incorporated equivalently into correlation at the transmit end is also derived, which is significant to analyze space-time link algorithm of MIMO systems.     

基于离散正则模型的时变信道盲辨识算法

以CDMA时变信道离散正则模型为基础,提出了基于改进的矩阵外积分解的时变信道盲辨识算法。算法对传统的矩阵外积分解算法进行修正,使其适应离散正则模型两级盲辨识,并引入了精确的时延阶数估计,克服了现有算法需要预先知道信道时延实际阶数的局限,使其在仅知道信道阶数上界的条件下完成盲辨识。仿真结果表明了该算法的有效性。     

跳变时滞随机系统的鲁棒保性能控制

研究了马尔可夫跳变参数时滞随机系统的鲁棒保性能控制问题。通过构造一个Lyapunov函数,并应用Ito微分公式沿系统对其求微分,再利用线性矩阵不等式(LMI)的性质和广义Ito公式,给出了此类系统保性能控制律存在的充分条件,估计了其保性能值,同时,控制器的设计归结为一族LMI的求解问题。最后,数值算例说明了方法的有效性。     

T-S模糊时滞系统的鲁棒无源控制

基于Lyapunov稳定性理论,时具有参数不确定性的T-S模糊时滞系统的鲁棒稳定性和无源性进行了研究.具有参数不确定性的T-S模糊模型可以任意精度近似连续非线性不确定系统.假设系统中的参数不确定性是范数有界的.运用Lyapunov稳定性理论给出了鲁棒无源控制器存在的充分条件.通过解一组线性矩阵不等式(LMIs),可直接获得鲁棒无源控制器.所设计的鲁棒无源控制器能够保证对于T-S模糊时滞系统中所有的参数不确定性,闭环系统都是鲁棒稳定的并且是严格无源的.并且,通过求解带有约束条件的线性矩阵不等式问题,可以设计出具有最大耗散率的鲁棒无源控制器.数值例子验证了所提出设计方法的有效性.     

不确定时滞系统的区间时滞相关鲁棒镇定

研究了时间滞后满足区间变化的线性连续系统鲁棒镇定问题。采用Lyapunov-Krasovskii稳定性分析方法,给出了区间时滞依赖系统的状态反馈设计稳定解。进一步研究参数化不确定性情况下,区间时滞依赖系统的鲁棒稳定性判据和鲁棒状态反馈控制器设计方法。最后,通过仿真算例比较,验证了此方法的有效性。     

向量矩阵迭代自组织XML辅助聚类算法

为了提高海量XML文档集的聚类质量,提出了一种基于向量空间模型的矩阵迭代自组织XML辅助聚类算法。该算法以XML键为基础,把XML文档转化为向量矩阵,通过矩阵迭代自组织学习对XML文档实施取消、分裂与合并等优化措施。为了加速算法的收敛性,在算法中引入辅助策略,虽然不一定达到矩阵向量分类间隔最大化的目标,却在尽可能分类的情况下使得运算时间缩短,其XML键权重调整更有利聚类效果。对比其它向量聚类算法,一系列仿真实验表明所提出算法具有一定的有效性及合理性。     

标定方程AX=ZB的两种新解法

提出了同时确定手眼关系以及机器人坐标系到世界坐标系关系的两种算法。和现有算法相比,给出的算法分别基于对偶四元数和矩阵直积理论,均可一次计算出标定方程的旋转部分和平移部分,不存在误差的传递问题。仿真结果表明了算法的有效性,这些结论对于类似问题的求解具有一定的参考价值。