Fourier-Laplace级数线性平均的局部化

研究了球面上借助于下三角陈Ａ确定的Ｆｏｕｒｉｅｒ－Ｌａｐｌａｃｅ级数性求和法的局部化问题,得到了Ｆｏｕｒｉｅｒ－Ｌａｐｌａｃｅ级数局部线性可和的充分条件。     

多芯片组件(MCM)互连瞬态响应研究的新方法

提出了一种新的多导体传输线的通用Ｔ型单元模型,并在此模型的基础上提出了一种新方法来研究ＭＣＭ互连线的瞬态响应。将非均匀,耦合,有耗多导体传输线分段,每段由一频域的ＧＴＣ模拟,根据ＧＴＣ的ＡＢＣＤ矩阵得出多导体的ＡＢＣＤ矩阵,接着将其麦克劳林展开式嵌入网络的修改节点方程并求得电路的频域冲击响应,利用指数衰减多项式（ＥＤＰＦ）求得时域冲击响应,最后利用递归卷积法求得任意激励下的电路响应。本算法的效率与     

基于PSO-CNN的LPI雷达波形识别算法

低截获概率(low probability of intercept, LPI)雷达作为一种具有强抗干扰能力及低截获特性的新型雷达, 对其精准高效识别已成为雷达对抗一方波形识别的难点。针对该方向主流分类器卷积神经网络(convolution neural network, CNN)的结构智能寻优问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)算法-CNN的波形识别算法。该算法利用PSO的寻优特性, 可实现较大范围内自动搭建不定层数、不定层类别及层内参数的CNN结构并进行迭代寻优; 采用识别精度及网络复杂度相结合的衡量指标, 可根据需求调整两者比重以实现对精度与轻量性的选择。该算法获取的CNN结构实现了比9种经典CNN结构更好的LPI雷达波形识别效果, 同时避免了波形识别时人工选定CNN超参数缺乏智能性、客观性的问题, 提高了选用CNN结构的适配性及高效性。     

基于并联式卷积神经网络的遥感影像超分辨率重建

遥感影像超分辨率重建有助于丰富地物细节,从而更全面地反映地物目标信息。为了解决目前基于深度学习的超分辨率重建方法难以同时兼顾影像高、低频信息的问题,本文提出了一种并联式遥感影像超分辨率重建方法。该方法并联了密集深层反投影网络和浅层多尺度网络,利用密集深层反投影网络精确预测遥感影像的高频内容;同时利用浅层多尺度网络来增加目标可分辨能力,并保留影像的低频部分来提升影像的质量。这个方法在在GF-1和GF-2数据集上进行了实验,并在Landsat 8和ASTER异源遥感影像数据集上进行了泛化验证,研究结果表明,相较于增强深度残差网络（enhanced deep residual networks for single image super-resolution,EDSR）、深层和浅层端到端卷积网络（end-to-end image super resolution via deep and shallow convolutional network,EEDS）和密集深层反投影网络（deep back-projection networks for super-resolution,DBPN）,峰值信噪比（peak signal to noise ratio,PSNR）指标分别提升了2.30 dB、2.23 dB、0.25 dB,结构相似度（structural similarity,SSIM）性能指标分别提升了 0.1 316、0.1 085、0.0 096。本文方法有助于从数据端改善遥感影像目标识别、地物分类等应用的精度,进一步提高遥感数据在资源调查、环境监测、灾害预报等领域的应用效能。     

石油企业中求分派问题最优解的最小增量法

针对石油天然气勘探、开发、炼制、储运、销售上下游一体化的现代纵向企业内部存在的任务分派、成本核算及效益最大化问题,提出了一种求分派问题最优解的新方法——最小增量法。在成本分派矩阵中选中每列的一个最小值,如果每行只有一个值被选中,则获得最优分派方案;如果某行出现两个或两个以上的值被选中,则找出该行所选值所在列的次小值、次次小值……,在不违背每行只有一个值被选中的条件下,按照最小增量或最小增量之和进行改选,调整相应的行,最终使得成本矩阵每行只有一个值被选中,每列也只有一个值被选中。由此获得满足条件的最优分派方案。方法比较分析与实例验证表明：它简单、易懂,不失为任务分派、成本核算的替代方法。     

基于通道特征聚合的行人重识别算法

在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明：在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其m AP比原骨干网络分别提高了17.13%、2.11%、2.56%。     

随机级数的S-可和性与本性收敛

先研究了Banach空间中的向量级数收敛和S-可和的关系;然后得到了一个好的结果:一般的复级数都存在一个求和阵S,使它可和;最后在此基础上,研究了随机级数S-可和性与本性收敛的关系,得到了随机级数本性收敛的充要条件.     

幅度调制信号的特性分析及其MATLAB仿真研究

依据时域和频域卷积定理对信号的调制与解调过程进行了详细地分析,并用MATLAB软件的快捷、方便、准确的特点对其过程进行仿真,得到了比较满意的结果.将其仿真的过程应用于理论和实验教学中,这非常有利于激发学生的学习兴趣和全面推进素质教育、创新教育.     

高分辨水下目标近场二维散射特性计算及仿真

基于转台成像的原理和卷积反投影(CBP)的成像算法,实现了高分辨率水下复杂形状目标的近场高频二维声散射特性的计算.首先采用理论建模方法数值计算得到潜艇目标的近场高频回波仿真数据,然后采用CBP进行近场转台成像处理,得到潜艇近场距离-方位二维声图像.仿真结果清楚地给出潜艇目标强散射点的二维位置.利用该方法可以有效地预测水下目标的散射特性,为目标特征缩减和目标识别提供重要的依据.     

一类可数离散半群上概率测度卷积幂的弱收敛性

讨论一类可数离散半群上概率测度卷积幂的弱收敛性,主要结果是利用局部群化的观点给出了概率测试卷积幂弱收敛的一个充分条件。