函数极限与积分可交换的一个充分条件

研究了函数极限与积分可交换的问题，利用了平均一致收敛的定义，给出了一个比一致（R）可积性弱的充分条件。     

基于改进 FastICA 的冲击波工频干扰消除算法

在火炮冲击波信号测试领域中, 为解决陷波算法消除工频干扰损失有效信号成分的问题, 提出了一种改 进的 FastICA 算法消除工频干扰。 采用五阶收敛的牛顿迭代形式改进基于负熵的 FastICA 算法, 使其不仅具备 负熵算法的高精准度, 而且收敛速度快, 迭代次数少。 仿真结果表明, 该算法的相似系数和信噪比达到 0. 999 99和 45 dB, 较传统陷波算法的 0. 996 和 21 dB 有明显的优势。 相比于基于负熵的 FastICA 算法, 改进算 法与其精准度相同, 但迭代次数减少了 26. 7%; 与收敛速度较快的峭度算法相比, 改进算法迭代次数更少, 收 敛速度更快, 稳定性更高。 该算法具备精准度高、 收敛速度快和迭代次数少等优势, 因此适用于实时处理冲击 波的测试场合。     

含多重临界位势的渐近线性椭圆方程的正解

在新Sobolev-Hardy空间中讨论含多重临界位势的渐近线性椭圆方程正解的存在性.该方程的非线性项是渐近线性的,不满足Ambrosetti-Rabinowitz条件.文中运用没有Palais-Smale条件的山路引理证明了在较弱的条件下,方程至少存在一个正解.     

伴随极值分布函数的弱收敛

设{(X_n,Y_n)}是i.i.d.随机向量序列,共同d.f.为F。本文在更弱的条件下证明了A_n^-1(Y_{(n, n)}-B_n)→I对某准d.f.I成立,从而推广了Nagaraja和David的结果。此外还指出：对于(a_n^-1(X_{n, n}-b_n),A_n^-1(Y_{(n, n)}-B_n))的联合分布的弱收敛,本文的条件不仅充分,而且必要。最后,揭露了二元极值弱收敛与(a_n^-1 (X_{n, n}-b_n), A_n^-1 (Y_{(n, n)}-B_n))的联合分布弱收敛之间的紧密联系。     

双线性系统随机多输入间接自适应前馈控制器及其应用

本文针对随机双线性多输入系统，提出了一种适用于具有多种扰动对象的随机多输入间接自适应前馈控制器，其特卢、是通过引入改进的广义最小方差最优控制律来克服双线性对系统的影响，该控制器采用间接算法实现，并适用于延时未知系统。它不仅具有渐近最优的控制的效果，可以对可测干扰实行有效的动静态补偿，消除稳态跟踪误差，使随机干扰对系统的影响最小，而且即使用于不稳定和（或）逆不稳定系统也具有全局收敛特性。文中还介绍了如何应用该控制器来实现多变量系统的随机间接自适应解耦控制。     

基于混合遗传算法的叠前随机反演方法

针对常规随机反演方法计算效率低的问题,提出一种基于混合遗传算法的叠前随机反演方法。该方法充分利用测井资料中的高频信息,并以地震数据作为约束,首先通过快速傅里叶滑动平均(fast Fourier transform-moving average,FFT-MA)谱模拟算法进行随机模拟得到基于地质统计学的初始模型信息,随后结合提出的混合遗传算法对模拟结果进行快速优化,得到符合地下地质结构的反演剖面,实现对叠前弹性参数的反演。混合遗传算法避免了一般遗传算法常见问题,如收敛速度慢以及产生"早熟"现象,与模拟退火相结合能够快速收敛达到全局最优,保证了反演精度。数值试验结果表明,融入混合遗传算法的叠前随机反演方法,在充分利用叠前信息的同时可以保证反演结果有效收敛,并且与模型数据吻合较好,与传统的叠前反演方法相比具有较高的分辨率,在储层识别和油藏描述中起到了重要作用。     

General Improved KdV方程的三层加权平均线性差分格式

本文对广义Improved KdV方程的初边值问题进行了数值研究,提出了一个三层加权平均线性差分格式,分析了差分解的存在唯一性,证明了格式的二阶收敛性和稳定性.数值实验验证了差分格式的有效性.     

柯西定理的推广及其应用

本文对柯西定理的思想进行了推广 ,得到了有关正项级数敛散性的一个命题 ,并由此及到一个判别正项级数敛散性的方法。     

PSD迭代方法收敛的一个充分必要条件

在线性方程组系数矩阵A为(1,1)相容次序矩阵及A的Jacobi迭代矩阵的特征根μj2＜1的条件下,得出了PSD迭代法收敛的一个充分必要条件,并给出了SSOR,JOR,PJ等迭代法收敛的充分必要条件.最后根据定理确定实例的收敛区间.     

均匀经验过程几乎处处中心极限定理的一个注记

设{ξ1,ξ2,…,ξn}为来自［0,1］上服从
均匀分布的独立同分布样本, 产生的经验过程为Fn(t)=n-1/2∑〖DD(〗n〖〗i=1
〖DD)〗(I{ξi≤t}-t), 0≤t≤1; ‖·‖表示一致模, 即‖Fn‖=sup〖D
D(〗〖〗0≤t≤1〖DD)〗〖JB(|〗Fn(t)〖JB)|〗; U为D［0,1］上的Brown桥, ‖U‖
=sup〖DD(〗〖〗0≤t≤1〖DD)〗〖JB(|〗U(t)〖JB)|〗. 利用概率强收敛工具,
得到了关于‖Fn‖及sup〖DD(〗〖〗0≤t≤1〖DD)〗Fn(t)的形如l
im〖DD(〗〖〗n→∞〖DD)〗〖SX(〗1〖〗log
n〖SX)〗∑〖DD(〗n〖〗k=1〖DD)〗〖SX(〗1〖〗k〖SX)〗I{‖Fk‖≤x}=P{‖U‖≤x}=1
+2∑〖DD(〗∞〖〗k=1〖DD)〗(-1)ke-2k2x2 a.s.
的几乎处处中心极限定理.