自校正信息融合Wiener滤波器及其收敛性

对带未知噪声统计的多传感器系统,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器,并提出了自校正Lyapunov方程.用现代时间序列分析方法,基于滑动平均(MA)新息模型的辨识,在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Wiener滤波器,并用动态误差系统分析(DESA)的方法证明了自校正Lyapunov方程的收敛性,进而证明了自校正融合Wiener滤波器收敛于最优融合Wiener滤波器,因而具有渐近最优性.它的精度比每个局部自校正Wiener滤波器精度都高,且算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

小波框架的齐次逼近性质

文章先给出了两个Banach空间,它们中的函数对于满足一定条件的参数序列能产生小波框架,并且在参数和生成元函数有微小扰动的情况下仍然为小波框架。后在前文的基础上放宽了函数属于F1(R)的充分条件。一步,F0(R)中的生成元产生的小波框架满足强齐次逼近条件,也就是函数的小波框架展开式的逼近率在它进行伸缩平移以后是不变的。     

R型环状纳米管TUC4C8（R）的Szeged指标

摘要：对于一个简单连通无向图G而言,其Szeged指标被定义为Sz（G）=∑e∈E（G）neunev,这里u,v∈V（G）,e=uv,neu表示图G中到点u的距离小于到点v的距离的点数,neu的定义类似。S．Yousefi给出了R型环状纳米管TUC4C8（R）的Wiener指标的计算公式,文章给出了R型环状纳米管TUC4C8（R）的Szeged指标的表达式。     

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.     

超维纳指数的若干结果

维纳指数和超维纳指数作为一类化学参数被用来衡量分子的化学结构和化学性质,给出了线图和一些特殊图类超维纳指数的若干结果.     

超宽带系统中盲自适应降秩接收机

针对超宽带系统中的多址干扰和码间干扰问题,提出了一种低复杂度的盲自适应接收机,该接收机首先采用多级维纳滤波算法抑制多址干扰并提取期望信号各多径分量;再进一步采用紧缩近似投影子空间跟踪方法估计信道并进行最大比合并,提高输出信干噪比。仿真结果表明,其误码性能优于匹配滤波器、传统Rake接收机、解相关Rake接收机和基于恒模算法的自适应接收机,且收敛速度较快、复杂度较低。     

关于“成本分析模型”的讨论

目前国内最常见的一种确定最佳现金持有量的分析模式存在着一个基本错误,即它将短缺成本看成与现金持有量呈线性关系,从而导致了一些错误的结论．在证明了上述错误的同时,指出短缺成本对现金持有量来说应该是一个随机事件．提出将公司现金持有量的多少看成是一个Wiener过程,并以此为前提,导出了公司最佳现金持有量的分析模型．     

一参数Ornstein－Uhlenbeck过程的不可微模

设是一参数Ｏｒｎｓｔｅｉｎ－Ｕｈｌｅｎｂｅｃｋ过程，它是布朗运动粒子的速度的数学模型，是齐次马尔夫过程。本文将建立这类过程的不可微模。     

小波域Wiener滤波器信号的去噪方法

提出采用小波域上的经验Wiener滤波器对信号进行去噪,得到优于小波闽值法的去噪效果．引入平移不变小波,较好地抑制了信号中的伪吉伯斯震荡．结果表明,将小波域上的经验维纳滤波器与平移不变小波相结合进行去噪,所得到的效果是最佳的．     

自校正信息融合Wiener反卷积滤波器

对于含有未知模型参数和噪声统计的多传感器信号反卷积系统,应用现代时间序列分析方法,基于自回归滑动平均（ARMA）新息模型参数的在线辨识,可在线估计噪声方差,进而提出了自校正信息融合Wiener反卷积滤波器。证明了它的渐近最优性,即若ARMA新息模型参数估计是一致的,则它收敛于当噪声方差已知时的最优融合Wiener反卷积滤波器。同单传感器情形相比,它可提高滤波精度。一个带三传感器的反卷积系统的仿真例子说明了其有效性。