基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

TiO_2光催化活性的研究

采用搅拌式光催化反应器,以中压汞灯作光源,甲基橙为模型化合物,考察了SO42- 处理及Cu2+对TiO2 光催化活性的影响.研究发现,SO42- 处理以及Cu2+ 的加入都能够提高TiO2 的光催化活性,在此反应体系中甲基橙的降解为一级反应,甲基橙的光催化降解速率与光强度成正比,TiO2 光催化剂的投加量为150 mg/L,Cu2+的加入量为200μg/L时光催化效果最佳.     

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.     

简单正交多阵SOMA(4,n)的存在性

设整数k0,n≥2,简单正交多阵SOMA(k,n)是一个n×n的方阵A,它的每一个单元格包含kn-元集S的一个k-元子集且满足:1)S的每个元素在A的每一行和每一列恰好出现一次;2)S的每个2-元子集至多出现在A的一个单元格中.总结了SOMA(k,n)存在的最新结果,并且阐述了它和相互正交拉丁方之间的关系,同时通过直接构造的方法证明了n≥5,SOMA(4,n)的存在性,并且提出了进一步研究的问题.     

融合倾斜仪数据的盾构姿态严密解算模型

推导了倾斜仪与盾构的严密标定模型;将倾斜仪采集的双轴角度数据视为平面点云,推导了倾斜仪角度数据的稳健估计方法;在前述模型方法的基础上,利用最小二乘配置方法建立了倾斜仪与棱镜数据融合的严密联合解算模型.最后,通过试验对上述模型方法进行了分析验证.结果证明,提出的盾构姿态解算模型正确可行.     

基于卡方核的正则化线性判别行人再识别算法

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis)。该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率。在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率。     

以水热炭为模板制备TiO2光催化剂及其光催化性能研究

以水热炭为模板, 采用溶胶–凝胶法制备TiO₂光催化剂, 并采用X射线衍射(XRD)、傅里叶红外光谱(FTIR)、扫描电子显微镜(SEM)和BET比表面积测定等方法, 对催化剂的物相、组成、形貌和比表面积等进行表征。通过光催化降解甲基橙溶液, 评价样品的光催化性能。研究结果表明: 与TiO₂相比, 以水热炭为模板制备的HTC-TiO₂具有更高的热稳定性, 在煅烧温度较高时仍保持锐钛矿型。HTC-TiO₂具有水热炭的片状结构特征,TiO₂颗粒在HTC表面分散较好, 晶体粒径更小, 比表面积增加, 从而提高其光催化活性。当煅烧温度为450ºC时, 以水热炭为模板制备的HTC-TiO₂对甲基橙的降解率在550 W碘钨灯光照2小时后达到40.6%, 光催化效率比TiO₂(16.2%)提高1.5倍。     

古巴比伦人求算术平方根的探究

分析了古巴比伦人求算术平方根的算法，证明了其正确性。然后将其算法推广到求n次算术根，并证明了其正确性。     

三角代数上Lie积为平方零元的非线性Jordan高阶可导映射

设U是一个 2-无挠的三角代数,D ={d_n}_n∈N是U上一个Lie积为平方零元的非线性Jordan高阶可导映射。证明了三角代数U上的每一个Lie积为平方零元的非线性Jordan高阶可导映射都是高阶导子。作为结论的应用,得到套代数或 2-无挠的上三角分块矩阵代数上的每一个Lie积为平方零元的非线性Jordan高阶可导映射都是高阶导子。     

血橙中花色苷及黄酮类物质的结构鉴定

本文利用化学定性反应、HPLC-MS、GC以及FTIR等方法对血橙中花色苷及黄酮类化合物进行了鉴定。结果表明,血橙中主要含有8种花色苷和4种黄酮类物质,矢车菊素-3-葡萄糖苷和矢车菊素-3（6＂-丙二酰）葡萄糖苷是血橙中主要花色苷,芸香柚皮苷和橙皮苷是血橙中主要的黄酮类物质。