基于BMI的状态反馈对角优势化

提出了一种针对线性定常系统的状态反馈对角优势化方法.基于系统的H2范数定义了系统在整个频域内的对角优势,并采用线性矩阵不等式(LMI)描述,给出了系统具有所定义对角优势度的充要条件.在此基础上,将状态反馈对角优势化转化为双线性矩阵不等式(BMI)问题,给出了采用双重迭代法求解该BMI问题的步骤,通过求解BMI可得到最优常数反馈矩阵.仿真结果表明采用该方法能降低系统的耦合程度.     

一个参数型Hilbert奇异重积分算子的范数

定义参数型Hilbert奇异重积分算子Tλ:(Tλ f)(y)=∫Rn+f(x)/max{‖x‖λα,‖y‖λα} dx,y∈Rn+,其中‖x‖α=(xα1+…+xαn)1/α(α>0).通过权系数方法,研究了Tλ的(p,p)型范数,并给出了它的应用.     

赋广义Orlicz范数的Orlicz函数空间的一致凸性

利用Banach及经典Orlicz空间几何理论,研究赋广义Orlicz范数的Orlicz函数空间一致凸问题,得到了由右导函数为凸函数的N-函数生成的赋广义Orlicz范数的Orlicz函数空间一致凸的充要条件.     

正规矩阵的范数和它的幂级数收敛性

研究了正规矩阵的范数,给出了正规矩阵的几种常用范数的几个性质;利用范数和谱半径与矩阵幂级数的收敛性的关系,给出了关于正规矩阵的幂级数收敛性的一些新结论.     

基于改进平滑 l 0 范数的 DOA 估计算法

为提高现有基于压缩感知的 DOA(Direction of Arrival)估计算法估计精度, 提出一种基于改进平滑 l 0 范数 的 DOA 估计算法。 该算法在构造一个恰当的平滑连续函数后根据接收数据的初始解确定一个合适的递减{δ} 序列[δ1 ,δ 2 ,…,δ J ], 并对每个δ 值, 采用最速下降法求解 l 0 范数逼近函数 Fδ (S)的最小值; 然后将该δ 值作 为下一次迭代的初始值, 并通过多次的迭代获得逼近函数的最小解, 即逼近的最小 l 0 范数。 同时通过仿真实 验对该算法进行了验证。 结果表明, 该算法在单快拍条件下即可对 DOA 进行有效估计, 与 OMP(Orthogonal Matching Pursuit)算法相比, 运算过程简单、 精度较高, 具有更好的估计性能。     

齐型空间上Hardy—Littlewood极大算子的双权模不等式

本文研究了齐型空间上的Ｈａｒｄｙ－Ｌｉｔｔｌｅｗｏｏｄ极大算子关于一类特殊的双权模不等式，刻划了Ｈａｒｄｙ－Ｌｉｔｔｌｅｗｏｏｄ极大算子Ｍμ为Ｌｐ（ｖｄμ）到Ｌｐ（ｕｄμ）上有界算子的权对（ｕ，Ｖ）的充要条件。     

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.     

两种标准下一类平面动力系统极限环的数值计算

通过引入网函数的概念定义了平面动力系统中极限环数值解的概念,然后以van der Pol方程对应的平面系统为例,使用四阶Runge—Kutta方法建立其方程组的数值解法,并以此为基础建立了极限环的数值解法．特别地,引入范数估计和流量估计两种距离标准,从几何直观性和实际意义两个角度刻画了迭代精度．特定参数取值的算例证明了该方法的有效性．     

初等算子的范数估计

文章给出了(I+A.B)达到上下界的充分条件,并在此基础上讨论了基本初等算子的范数.     

矩阵秩的下界和特征值估计

讨论了矩阵秩的下界和特征值估计,得到了矩阵秩的下界的两个估计,给出了矩阵实部和虚部的一个估计,证明了矩阵特征值都位于一个圆盘中,最后用数值算例验证了所得结果的有效性。