守恒型非自共轭奇异摄动问题的二阶一致收敛格式

考虑带小参数的守恒型非自共轭奇异摄动问题，建立并证明一个二阶一致收格式．     

一类奇异的非线性双调和方程正整解

以Schauder-Tychonoff不动点定理为理论依据，研究了一类奇异的非线性双调和方程正的径向对称整体解的存在性，并给出了解的有关性质。     

微波处理对不同植物种子活力及耐盐性的影响

为了研究微波预处理工艺对不同种类植物种子耐盐性的影响及所选工艺参数的普遍性，用NaCl溶液和原生水分别作种子萌发的培养液，选择蔬菜种子（白菜）、草本植物（高羊茅、黑麦草）和木本植物（刺槐）为实验对象，以相对幼苗活力指数评价种子的耐盐性，采用对比实验考察了微波预处理对4种不同种类植物种子活力的影响．结果表明，NaCl单一盐类对种子萌发的胁迫作用均比原生水复合盐类大；对2g种子，在原生水培养条件下，微波参数2450MHz、65W，辐照6s，间隔10min，重复照射1次，处理后种子的相对幼苗活力指数均显著提高，增幅为31％～84％．虽然上述种子种类不同，但由于微波因素影响种子活力的生理生化基础及其作用机制相同，所以同样的微波处理工艺参数均能达到显著提高种子活力的效果。     

层流剪切力对悬浮培养红豆杉细胞HMGR酶基因转录的影响

以HMGR酶基因为研究对象,采用实时荧光RT-PCR技术,研究了Couette式反应器中0．3 Pa层流剪切力作用后悬浮培养的对数期东北红豆杉细胞HMGR酶基因转录情况．结果显示,在对数生长时期,未经剪切处理的悬浮培养虹豆杉细胞HMGR基因转录水平呈增长趋势,而剪切处理后的悬浮培养红豆杉细胞HMGR基因转录水平则基本保持不变．同时,对相应细胞生物量的测定结果也显示出类似的变化．以上结果说明在对数生长时期施加一定强度的剪切力,将使细胞生长发生停滞,谊生长停滞现象可能与因剪切所引起的HMGR基因转录水平下降有一定相关性．     

广义梯度及其在盲信号分离中应用的研究

盲信号的研究是当今学术界研究的热点,它连接了神经网络、信号处理、信息论等多个领域[1-2].盲信号分离(B lind Signal Separation,简写为BSS)是盲信号的研究中一个广受关注的方向.在盲信号分离的研究中,1994年Comon[3]提出了独立分量分析(Independent Component Analysis,简写     

基于局部非抢占式定时调度的汽油机控制系统实时性分析

建立了实时性分析的框架,包括建模、调度算法设计和评价3个步骤.以单缸汽油机的点火和喷油控制为研究对象,进行了实时性分析和仿真.建立的多处理器实时系统模型由运行在3个处理器上的6个任务组成,提出了局部非抢占式定时调度算法(LNPTT),并与传统的时间片轮巡调度算法对比,对两种算法的可行性分别进行了可调度性验证、时序验证和共享资源验证.结果表明,建立的实时性分析模型合理,提出的LNPTT局部非抢占式定时调度算法可行、可靠.     

基于隐藏导频的正交频分复用信道估计

单载波系统中的隐藏导频信道估计算法不适用于正交频分复用(OFDM)系统,为此提出了一种适用于OFDM系统的隐藏导频估计算法.该算法将导频信号叠加在时域信号之上,提高了有效数据率.仿真结果表明,所提算法能够在使用相同导频功率的情况下节约系统的有效带宽.     

对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

气水合物形成时的诱导时间定义辨析

以气水合物形成过程中的诱导现象为基础,借助于微观和宏观概念对各种理论模型提出的诱导时间定义进行了归纳和总结,分析了其中的区别和联系.进一步明确了诱导时间及其相关时间间隔段的含义及特殊状况下诱导时间的确定方法.为使诱导时间的测量更具操作性和定义具有普遍适用性,切实将其作为判断促进剂或抑制剂影响水合物形成动力学的依据,建议将诱导时间定义为从反应开始到系统某状态参数发生急剧变化所经历的时间,即系统从水合反应开始到产生大量可视晶体所需要的时间.     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.