Adams谱序列中的非平凡积(γ)s+3g0

利用Adams谱序列,May谱序列和上纤维序列等工具,并以某些相对低维的Ext群的结果为基础,具体地计算了Ext群中的某些元的第一阶数与第二阶数,并由此得出在Adams谱序列中乘积(γ)s 3g0∈Exts 5,(s 3)p2q (s 3)pq (s 3)q s-A(Zp,Zp)非平凡,并且收敛到π*S中的非平凡的P阶元素,其中p≥7的奇数,O≤s相似文献   

菲涅耳波带片衍射产生的光谱奇异现象

研究高斯型光谱的完全空间相干光经菲涅耳波带片后,远场轴上点的光谱奇异现象.结果表明,在相位奇异点处,高斯型光谱一分为二,出现光谱开关现象.在相位奇异点附近,一些点处的光谱发生蓝移,而另一些点处的光谱发生红移.这些光谱奇异现象与观测点位置有关,光谱开关总是发生在光强为极小值处.分析和比较几种菲涅耳波带片的光谱奇异现象,以及其光强分布情况.     

LSF标量格型混合量化

为了降低线谱频率(LSF)参数矢量量化器的搜索复杂度和码字存储单元,利用格型矢量量化的优点,设计了一种适合LSF参数量化的标量格型混合量化器。该量化器对LSF参数的预测残差矢量的第一、二个参数进行标量量化,余下的参数则利用格型矢量量化,从而降低了搜索复杂度和码字存储单元,与G.729协议所使用的LSF量化技术相比,有一定的改进。     

灰色马尔科夫链在连续刚构桥梁施工线形控制中的应用

介绍利用灰色马尔科夫链对连续刚构桥梁分段悬臂施工时进行线形控制的基本原理,经过工程实例的应用表明,灰色马尔科夫链能较好地应用于连续刚构桥梁悬臂施工的线形控制,该方法能充分利用桥梁施工过程中各段的历史数据给予的信息,对随机波动性较大的数据也能进行较高精度的预测,具有较高工程实用价值.     

联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

砂轮约束磨粒喷射加工表面自相关性及功率谱分析

磨粒喷射精密光整加工是重要零件在磨削后进行去除表面缺陷层、降低粗糙度和波纹度为目的的光整加工新工艺.试验在M7120磨床上完成,加工试样为Ra=0.2~0.6μm的#45钢,加工表面形貌和微观几何参数用SEM和TR200表面轮廓仪测量.应用随机过程中的相关性从自相关、功率谱密度函数两方面对磨削表面和光整加工表面进行了研究.分析结果表明,该加工方法明显提高了工件的表面质量,降低了工件的表面粗糙度并均化了波纹度.     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于动态组合残差修正的预测方法

本文建立了一种基于残差修正的组合预测方法,并基于该方法证明了针对多个单一的预测方法根据其在某个时间段的相对预测误差的大小选择组合选项可以进一步提高预测精度.提出了针对不同时间段可根据各种单项预测模型的相对预测误差的大小动态选取相对预测误差最小的两种模型构成组合残差来修正基本方法的预测误差,以提高预测精度.最后通过实际空调负荷预测对其进行了验证,结果表明这种动态组合残差修正的预测方法相对于基于多个固定单一预测方法的组合预测方法,可以进一步改善预测效果.     

剩余型直觉模糊推理的三I方法

要本文研究了由左连续三角模所生成的直觉三角模的性质,给出了与直觉三角模相伴随的剩余型直觉蕴涵算子的等价刻画,揭示了直觉模糊蕴涵算子和模糊蕴涵算子的关系．结合模糊推理的三I方法,针对剩余型直觉蕴涵算子,提出直觉模糊推理IFMP问题的三I方法和分解方法,给出两种方法的求解公式,并讨论了它们的还原性,证明了三I方法和分解方法具有良好的还原性．最后提出了IFMP问题的a-三I方法．并给出相应的算例分析．