P2P文件共享系统中Peer的行为评价

以节点的行为评价是信任研究的基础为切入点,在严格遵循纯P2P系统信任机制建立的限制条件的基础上,综合运用表现序列和概率统计中即时估计、总体估计等数学理论知识,最终提出了对P2P共享文件系统中的Peer行为的一套评价预测方法.分析表明,该方法产生的误差在允许范围内.从而,能够为P2P系统准确、广泛、长时间的得到应用提供良好、完备的信任机制.     

运用概率神经网络对混凝土拱坝进行损伤位置的识别

大型水利工程的灾难性事故多由大坝的微小裂缝发展而成,在运行期间对混凝土坝的裂缝进行监测十分重要.提出了基于振动测试数据用概率神经网络对混凝土拱坝进行损伤检测,并针对一混凝土拱坝进行损伤识别的数值模拟分析,结果表明基于振动测试数据利用概率神经网络识别混凝土拱坝的损伤位置是可行的.     

基于隐藏马尔可夫模型的干扰抑制技术

研究了DS(direct sequence)扩频系统中基于隐藏马尔可夫模型HMM(hide Markov models)的干扰抑制技术，简要引述了算法原理，着重给出了该算法的改进方案和在具体干扰条件下的系统性能仿真。研究表明，该算法由于能够对干扰信号进行准确估计，因而减小了对有用信号的损伤，可以获得更好的抗干扰性能。通过减小复杂度的措施，可以用于实际系统，这对于应用DS扩频系统的短波通信和卫星通信，增强抗干扰能力具有重要意义。     

用Excel建立灰色数列预测模型的研究

灰色系统在上个世纪八十年代首次提出后已经得到了广泛的应用，对社会、经济各领域作出了极大的贡献。灰色预测是灰色系统理论的重要组成部分，但由于其建模时需要进行大量复杂的数学运算，增加了数据处理的难度，本文通过Excel提供的矩阵运算和规划求解功能实现了用Excel软件建立灰色数列预测模型PGM（1，1），并提高了预测精度。     

一类随机变量序列关于Г-分布的强偏差定理

引进似然比作为非负连续型随机变量序列相对于服从Г分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上运用鞅方法得到了任意非负连续型随机变量序列的一类用不等式表示的强极限定理，将任意随机变量序列关于乘积分布的强偏差定理从离散状态空间推广到连续状态空间．作为推论得到了任意非负连续型随机变量序列关于指数分布，厄兰分布以及X^2分布的强偏差定理以及服从Г-分布的独立随机变量序列的一族强大数定律．     

小电流系统单相接地故障分析

介绍了变电运行中小电流系统在单相接地后存在的问题，通过对小接地系统发生单相接地与电压互感器保险熔断时现象的比较，为变电运行人员提供了分析判断系统故障原因的方法。     

组合数丢番图方程[2x]=[4y]的正解

运用递推序列法，给出组合数丢番图方程[x2]=[y4]的一个初等解法．     

On the Strong Law of Large Numbers for Non-Independent B-Valued Random Variables

This paper investigates some conditions which imply the strong laws of large numbers for Banach space valued random variable sequences. Some generalizations of the Marcinkiewicz- Zygmund theorem and the HoffmannJφrgensen and Pisier theorem are obtained.     

基于超螺旋精度提升机制的OFDM网络信道噪声消除算法

为解决当前OFDM网络信道噪声消除算法难以规避信道中的窄带莱斯噪声,且抗信道衰落能力不强,以及信道间普遍存在严重的频率干涉问题,提出了一种基于超螺旋精度提升机制的OFDM网络信道噪声消除算法.首先,根据各个传输子信道具有差异化的频率载波特性,将传输子信道等价为接收背景中的接收点,从而构建了超螺旋接收结构,有效消除不同传输子信道间存在的频率干扰特性,降低信道窄带莱斯噪声对信号预发射过程的衰落影响;随后,基于角度识别方式进行锐-钝识别,并结合拐点思想,采用序列重排技术,将待发射信号进行消波处理,并进行自旋精度提升,从而提高了其抗窄带莱斯噪声的性能.仿真实验表明:与常见的超高频精度自适应机制(UHF adaptive,UHFA)、共线度自旋精度提升机制(the degree of accuracy of collinear spin,DACS)相比,本文算法与理想状态下的OFDM功率谱密度曲线最为接近,具有更高的信号增益水平与更低的信道误码率.     

降低OFDM系统复杂度的改进SLM算法

为了降低正交频分复用(OFDM)系统中传统选择性映射(SLM)算法的计算复杂度,提高系统的频谱利用效率,提出了基于转换向量(conversion vectors)与随机筛选序列(random selection sequences)相结合的选择性映射(CR-SLM)算法.CR-SLM算法是将原始信号序列等分,然后对于数据序列的前半部分与转换向量相乘进行循环卷积,对于数据序列后半部分进行随机序列筛选,筛选出最优序列.最后将两部分输出序列合并生成候选序列,筛选出最优序列进行传输.仿真结果表明:CR-SLM算法在保持与传统SLM 算法PAPR性能相近的情况下,较大幅度降低了计算复杂度.