基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

3维Maxwell方程局部1维多辛格式的能量恒等式

在理想导体边界条件下,对3维Maxwell方程的局部1维多辛Preissman格式的能量守恒性质进行研究.运用能量分析法推导了2个能量恒等式,这些恒等式说明了给出的格式在所定义的离散范数下是能量守恒和无条件稳定的,数值算例验证了结论的正确性.     

利用反预报方法从截面预言近滴线丰质子核的结合能

在Origin等数据处理软件中,当实验数据较少时,自由参数的不同初始化设置会导致较大的结果差异,这为物理结果的确定带来较大不确定性.通过最小二乘法分析了345MeV/u ~(78) Kr+~9Be反应中产生的丰质子同位素的截面和结合能,并得到线性回归方程.通过回归方程,利用结合能预报部分丰质子核素的截面,以及通过实验截面对近质子滴线核素的结合能进行反预报测量.这对于近质子滴线的丰质子核素实验测量具有较好的借鉴意义.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

相关熵及其有限性的条件

就相关熵的性质进行了讨论，证明了在pp密度逼近中使用的作为“距离”的相关熵不满足距离定义中的第三个条件，并给出了三角不等式成立的条件。     

一种有效的网格综合优化算法

提出一种有效的网格综合优化算法。给定一定数量的三维散乱点和一个初始三角网格,使用Hoppe提出的能量函数对网格顶点位置优化,使网格更好的逼近三维散乱点。同时通过分裂网格中度数特别大的节点,使网格的空间形状更加平滑。计算机仿真实验表明,使用该算法能够获得形状良好的网格。     

VSAT系统改进冲突分解算法研究

文章提出一种新的改进隔离型随机N叉树形冲突分解算法,对VSAT随机接入多址接入系统中冲突分解进行了研究。给出了冲突信息分组分解所需平均时隙数和系统吞吐量的解析式,进一步给出了信息分组冲突分解的实验值。     

模糊划分有效性函数的构建与应用

首先在常规的Bezdek模糊划分模型的基础上,引入了考虑权重的模糊划分模型;并根据数理统计中的方差分析理论和信息论中的信息熵理论,构建了模糊F统计量、模糊划分熵,F统计量用来确定最佳划分数,模糊划分熵用来检验模糊划分的有效性.最后通过实际算例对这两个函数的判决功能和F统计量的鲁棒性进行了研究.     

La2分子结构与基态分子势能函数

用相对论有效原子实势，在密度泛函理论(DFT)和组态相关理论(QCISD)水平上优化计算了La2分子的结构．根据原子分子反应静力学原理，导出La2分子可能的电子状态和离解极限，用DFT中的B3LYP方法计算了基态X1∑g^ 势能曲线，拟合得到Murrell-Sorbie解析势能函数，并首次计算得到基态X1∑g^ 的谐振频率、热力学性质、力学与光谱数据。     

Hybrid SVM／HMM Method for Face Recognition

A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.