Mixed monotone decomposition of dynamical systems with application

The notions of mixed monotone decomposition of dynamical systems are introduced. The fundamental idea is to make an elaborate use of the natural growth and decay mechanism inherent in the structure of a dynamical systems to decompose its dynamics into increase and decrease parts, and thereby to constitute an augmented dynamical system as the secalled “two-sided comparison system” of the original one. The corresponding two-sided comparison theorems show that the solution of the comparison system gives lower and upper bounds of that of the original system. Therefore, the properties of a dynamical system can be obtained through the study of its two-sided comparison system. Compared with the conventional comparison method in literature, the mixed monotone decomposition method developed herein takes in a natural way structural properties of dynamical systems into account instead of requiring strict conditions of (quasi-)monotonicity on them, and could yields refined, usually nonsymmetrical, state estimates, and thus is more suitable for systems with nonsymmetrical state constraints. As an application of the method, a sufficient condition is established for the global asymptotic stability of the trivial solution of a class of continuous-time systems with nonsymmetrical state saturation. The condition is given in terms of coefficients and state saturation levels of such systems, and contains as a special case a recent result on systems with symmetric state saturation in literature.     

非光滑方程信赖域算法的全局收敛性(英)

给出一个解非光滑方程的信赖域算法，提出弱正则SPN分解和弱正则条件数的定义．在弱正则条件下，证明此算法的全局收敛性．     

基于卷积神经网络的海面目标全极化高分辨距离像识别技术

针对雷达目标全极化高分辨距离像(high resolution range profile, HRRP)提取可分性特征时, 利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题, 在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度。在此基础上, 提出基于Pauli分解, H、α、A、α₁分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取, 并将提取得到的特征与基于卷积神经网络(convolutional neural network, CNN)的舰船目标HRRP识别方法结合, 利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别。实验结果表明, 所提方法能够保留目标全极化HRRP更多特征, 提高目标识别的准确率。     

基于多分辨率动态模态分解的电磁信号时频-能量分析

针对电磁信号时-频-空间-能量分析不兼容的问题, 提出一种基于分解时空域电磁辐射信号的数据驱动方法来分析复杂电磁环境。首先, 使用多分辨率动态模态分解方法将复杂电磁信号以不同的分辨率分离为不同时空尺度的模态分量。然后,利用时频分布对各模态瞬时频率和能量特征进行采集。这种动态的分解分析方式能快速侦测电路和电子系统的多方面电磁环境状态, 具有不需要先验数据训练, 不受时频分辨率限制, 可以实时分析和降低数据维数等优点,且提取的动态模式及其频谱分别在空间域和时域具有明确的物理意义。仿真实验显示, 重组信号和原信号的平均误差在-18 dB以下, 证明了所提方法的可行性和优势。     

一种求解线性方程组的新方法

提出了一种求解线性方程组的新方法．该方法是基于Adomian提出的变量分解思想,将每个待求未知量分解为无穷多个解分量的代数和．该方法的特点是方法简单、解精度较高、收敛速度较快．     

正轴测投影中的非轴向度量问题

简要论述了如何根据正轴测投影性质及投影变换方法解决正轴测投影中的非轴向度量问题.在画法几何作图方面进行了有益的探索和研究.     

基于RGB分量小波分解的数字图书馆图像检索技术

图像检索技术是数字图书馆进一步发展的核心技术,目前主要受到检索准确度和检索速度之间矛盾的制约.为此提出了一种基于RGB分量小波分解的图像检索方法.首先,利用原始图像信息生成RGB三色分量图像.然后,将每一幅分量图像进行小波分解,求取其低频分量成分.最后,利用RGB三色分量图像的低频成分进行融合,生成最终的相似性测度.实验结果表明,此方法可以在确保准确性的前提下,快速地实现图像检索.     

乘法扰动下广义极分解的扰动恒等式

设A是m×n(m≥n)且秩为r的复矩阵.存在m×n次酉矩阵Q和n×n半正定矩阵H使得A=QH,此分解称为A的广义极分解.运用奇异值分解,给出了乘法扰动下,矩阵的广义极分解在任意酉不变范数下的扰动恒等式.     

PBSV-DDM在电大尺寸柱体电磁散射中的应用

提出了一种高效率的基于部分基础解向量的区域分解算法(PBSV DDM).它首先求出关于连接边界上节点的部分基础解向量,在迭代过程中,只需要对部分基础解向量作简单的线性组合就可以获得整个求解区域的最终解,极大地提高了计算效率,降低了存储量.PBSV DDM不但适合于快速高效地计算任意电大尺寸柱体的电磁散射,还特别适合于求解具有几何重复性特征的结构,如天线阵列、有限周期频率选择表面、PBG EBG等的电磁仿真问题.数值算例验证了该方法的准确性和有效性.