空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

集值下鞅的收敛性与Riesz分解

假定（X,·）为可分的Banach空间, X^*为其对偶空间, X^*可分. 设(Ω,B,P)为完备的概率空间, {B_n, n≥1}为B_n的上升子σ域族, 且B=∨B_n, 首先研究了支撑函数的几个性质, 利用支撑函数及实值鞅（上鞅、 下鞅）的收敛定理与Riesz分解定理, 证明了集值下鞅在弱收敛意义下的收敛定理, 在此基础上, 给出集值下鞅可Riesz分 解的一个充要条件.     

辽宁省能源消费的因素分解——基于完全分解模型

在描述辽宁省经济增长、经济结构、能源消费量和能源密度的基础上,运用无残差的完全分解模型进行量化分析,分解出经济增长、结构和能源密度等因素对能源消费变动的影响效果,得出相应的影响效果系数,并通过与全国平均水平比较,找出辽宁省能源消费变动的特征与分阶段各因素的具体影响效果,为辽宁等老工业基地制定能源政策,提高能源利用效率提供科学的依据.     

A Neuro‐wavelet Model for the Short‐Term Forecasting of High‐Frequency Time Series of Stock Returns

We propose a wavelet neural network (neuro‐wavelet) model for the short‐term forecast of stock returns from high‐frequency financial data. The proposed hybrid model combines the capability of wavelets and neural networks to capture non‐stationary nonlinear attributes embedded in financial time series. A comparison study was performed on the predictive power of two econometric models and four recurrent neural network topologies. Several statistical measures were applied to the predictions and standard errors to evaluate the performance of all models. A Jordan net that used as input the coefficients resulting from a non‐decimated wavelet‐based multi‐resolution decomposition of an exogenous signal showed a consistent superior forecasting performance. Reasonable forecasting accuracy for the one‐, three‐ and five step‐ahead horizons was achieved by the proposed model. The procedure used to build the neuro‐wavelet model is reusable and can be applied to any high‐frequency financial series to specify the model characteristics associated with that particular series. Copyright © 2013 John Wiley & Sons, Ltd.     

基于垂直区域宽度分解的无人机覆盖航迹规划

为解决多无人机执行区域覆盖任务时,存在覆盖效率低的问题,提出了基于垂直区域宽度分解的无人机覆盖航迹规划算法。首先,为了尽可能以最少的转弯次数完成任务,提出了垂直区域宽度分解法。然后,考虑到实际运用中由于飞手数量与无人机数量不匹配,导致资源分配不均的问题,使用垂直区域宽度分解法将任务区域分解为待覆盖的子航迹集合,并建立了以时间代价为目标函数的混合整数线性规划子航迹分配模型,来根据飞手数量与无人机数量动态的将子航迹进行均衡分配,达到提高覆盖效率的目的。最后,通过仿真实验验证了该算法的有效性。     

空中目标辐射源的个体识别方法

针对传统的辐射源个体识别方法在低信噪比环境下识别性能不佳的问题,提出了一种空中目标辐射源的个体识别方法,该方法利用经验模态分解和变分模态分解得到信号不同频率的模态分量,将各模态分量的多尺度排列熵作为特征,利用主成分分析对数据进行降维,并采用支持向量机分类器进行辐射源个体识别。仿真结果表明,该方法对相位噪声、频率漂移以及谐波失真等细微特征的识别性能明显优于传统方法,并具有良好的抗噪性。     

基于BEMD-Copula-GARCH模型的股票投资组合VaR风险度量研究

鉴于股票波动具有显著的多尺度特征,本文引入二元经验模态分解(EMD)与二元CopulaGARCH算法,提出一种新的VaR风险度量模型,即BEMD-Copula-GARCH模型.具体地,新BEMD-Copula-GARCH模型可分为三个主要步骤:数据分析,分风险估计和总风险集成.首先,基于二元EMD模型,将复杂且相互作用的股票对分解为若干组较为简单且相互独立的分量,以降低建模难度.其次,引入二元Copula-GARCH模型,刻画各组分量间的相互关系,以度量股票投资组合在不同尺度上的分VaR值.最后,集成各分VaR值以得出最终VaR风险度量结果.实证研究以恒生指数与上证综指为数据样本构造投资组合,结果表明:本文所构建的新模型能有效度量投资组合风险,其估计精度显著优于DCC-GARCH和Copula-GARCH等现有模型.     

基于Hilbert-Huang变换理论的非线性系统分析

介绍了Hilbert-Huang变换(HHT)这一全新的处理非线性、非平稳信号数据的方法,将其用于分析典型的非线性系统-Duffing方程,通过对使用三阶Runge-Kutta法求解而得到的Duffing方程数值解分解后,得到了4个固有模态函数分量和1个残余量,给出了相应的能量-频率-时间分布图-Hilbert谱,并将其边际谱与Fourier谱作了比较。结果表明,此方法具有更好的局部特性分辨以及瞬时频率分解效果,经HHT变换得到的主要固有模态函数分量具有明确的物理意义,体现在Hilbert谱上的系统固有频率存在明显的波内调制机制,分析结果充分保留了系统的非线性特征。     

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。     

COHERENT, REGULAR AND SIMPLE SYSTEMS IN ZERO DECOMPOSITIONS OF PARTIAL DIFFERENTIAL SYSTEMS

1.IntroductionWeareconcernedwithalgebraicdifferentialpolynomials(abbreviatedas'd-pcis)inafinitenumberofdifferentialindeterminatesoveradifferentialfieldofcharacteristic0.Givenafinitesetofsuchd-pcis,wewouldliketostudyd-Zero(),thedifferentialalgebraicsetdefinedbyPoverauniversaldifferentialfield.Wemayaskwhetherd-Zero()isempty,whetherad-pcivanishesond-Zero()(differentialradicalidealmembershipproblem),whatthedimensionofd-Zero()is,howtodecomposed-Zero()intoirreduciblealgebraicdifferentialsets,andso…