用斜消法变换求解最大公因式

<正>受文[1]中构思的矩阵斜消法变换的启发,笔者再作推广,用之可简捷地求解n个—元多项式的最大公因式.其思路单纯,易于操作.本文所需工具和理论依据如下:1.矩阵的行初等变换p_ii、D(c)及T_ii((?)(X))(可参见文[2])2.推广了的矩阵斜消变换定义:     

关于图的距离Irredundance数

G=(V,E)是简单连通图,用G—v表示从G中删除v以及与v相关联的边所得到的图,ir_n(G)表示G的n—irredundance数,证明了下列不等式: ir_n(G—v)≥(ir_n(G) 1)/2这个结果推广了Favaron的相应结论。     

由内超实度量导出的拓扑

应用非标准方法研究由内集 E 上的超实度量所导出的 Q—拓扑与 S—拓扑,给出这两种拓扑的一些重要性质:(E,Q)是完全不连通的且其紧子集都是有限集;G(X)/关于 E 上的 S—拓扑的商拓扑是可度量化且完备的;G(X)的有界子集 A 若满足A/是 S—拓扑的商空间G(X)/的闭子集,则 A 是 S—紧的,本文还讨论了 S—拓扑在构造完备度量空间的应用。     

基于高斯序列乘积和的相干非高斯分布杂波模拟新方法

提出了一种全新的相干K分布杂波模拟方法。相比经典的零记忆非线性变换(ZMNL)和球不变随机过程(SIRP)法,该方法的优点是能产生自相关函数(ACF)为任意复数的杂波序列,且不需要进行矩阵求逆和非线性变换,运算速度得到显著改善。仿真结果证明了这种方法的有效性。     

高阶DMCKF的BDS/GPS精密单点定位算法

为提高BDS/GPS组合定位系统的精确性和稳定性,将高阶容积卡尔曼滤波(CKF)应用于定位参数估计,并利用矩阵对角化(DM)变换替代标准高阶CKF中的Cholesky分解过程。通过DM变换,由协方差矩阵分解得到的平方根矩阵具有状态统计量更加准确、保留原有特征空间信息的特点,从而提高了滤波精度;同时,DM变换的协方差矩阵不要求正定,增强了滤波的稳定性。测试结果表明,该滤波算法在提高定位精度和稳定性上有效、可行。     

整环上不定方程组的通解公式及其应用

借助Z上矩阵A∈Mm×n(Z)的标准形式D=VAU=diag(d1,d2,…,dq,0,…,0),得到了整环上不定方程组AX=B的通解公式以及矩阵初等变换法.     

基于辅助阵元的幅相误差和DOA同时估计算法北大核心

针对阵元幅相误差使波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种阵元幅相误差和DOA同时估计算法。该算法通过在阵列一侧设置少量已校正阵元,改变了误差矩阵的结构,并根据改变后的矩阵特征构造了变换矩阵,通过构造的变换矩阵和子空间算法,实现了对阵元幅相误差和DOA的同时估计。此外,该算法能够解决信源功率存在较大差异时误差估计不准的问题,实现了高精度的误差和角度的同时估计。计算机仿真结果证明了所提算法的正确性和有效性。     

修正矩阵的求逆

设某方阵A的逆阵A~(-1)已经求出。当改变该方阵A中部分元素的数值时,若新的方阵(即所谓修正矩阵)M=A+△A有逆,则其逆阵M~(-1)可在A的逆阵A~(-1)的基础上求出。当A的某个子矩阵改变时,可通过计算低阶方阵的逆阵来求出M~(-1)。当A中某些分散元素的数值改变时,可通过计算低阶行列式的值来求出M~(-1)。本文分别导出了上述两种情况计算修正矩阵逆阵的公式,并附有典型算例以说明公式的应用。     

基于遗传算法的(n,n-1,m)卷积码盲识别

针对信息截获领域中(n,n-1,m)卷积码盲识别问题,提出基于遗传算法的盲识别方法。该方法在矩阵分析得到编码参数之后,利用遗传算法的全局搜索能力实现对基本校验多项式矩阵的精确识别,进而实现对基本生成多项式矩阵的识别。仿真表明:该方法能够在高误码条件下实现对(n,n-1,m)卷积码的盲识别,且运算量相对于以往的高容错识别方法得到降低。     

文献索引

78035机载显示器的模拟(5 imulation of aireraft displays)AD—A01426278040截获地面目标的战术显示器(Taetieale display for aireraft eont-rol)AD一—A01025878036空载电子显示器(E leetronie airborne disPlays)AD—A02O00278037座舱显示器的图象增强技术(Image enhaneementteehniques foreoekPit displays)AD—AO2312278041可进行反向座标调整的旋转平视显示器(Rotatable head一up display with eo-ordinate reversa!eorreetives)美国专利394571678038雷达数据转换器和显示系统(Radar data eonverter and displaysystem)美国…     

矩阵形式的快速沃尔什变换法

本文用矩阵形式,建立系统地快速沃尔什变换(FWT)运算方法,它应用了二进制顺序Walsh-paley,列率顺序Walsh-Kaczmarz和Kronecker顺序Walsh-Hadamard变换。由文献可知,某些FWT运算是借助于一定的矩阵编制计算程序的新方法,这样的变换法,可作为数字计算机的辅助设备。     

多维离散富氏变换法开关电容网络符号分析

本文基于多维离散富氏变换,提出了一种对多相开关电容网络(SCN)进行符号分析的算法,并已在IBM—PC/XT上实现.该法易于编程,可有效地获得不含对消项的符号网络函数.并提出了一种通过新的SCN建模方法获得最小化的系统矩阵,且其中z变量元素最少,使计算量大为减少。     

变换自适应算法实现特征矢量谱

特征矢量法是分辨相关信号源的一种有效算法。该算法需求出阵列接收信号空间相关矩阵的最小特征矢量。本文在梯度法与空间三角格型法基础上,提出了一种新的算法:变换自适应法。此法通过一个变换,将求矩阵最小特征矢量的问题转换成求最大特征矢量,从而避免了矩阵求逆这一繁杂过程。理论分析以及计算机仿真结果均表明,该算法在计算量和收敛速度方面具有相当的优越性。     

小样本条件下基于最大似然估计的极化SAR图像等效视图数估计新方法

首先,推导了Wishart分布矩阵行列式值的最大似然估计表达式,利用查表法解决了该方法计算复杂性问题,并经过仿真实验证明了该推导的正确性;其次,将矩阵行列式的最大似然估计应用到PolSAR图像等效视图数的估计中,提出了等效视图数最大似然估计和矩阵行列式值最大似然估计的n次迭代估计算法(n次迭代LML-DML)。仿真和实测数据的实验结果表明:该算法在样本数较少的情况下明显提高了估计精度。该算法对于解决Wishart分布区域样本数较少的中低分辨图像的等效视图数估计问题有重要的应用价值。     

图象变换编码

在图象传输和图象处理中,图象变换在理论研究以及实际工作方面都起了重要的作用。这里主要介绍二维离散沃尔什(Walsh)变换及其性质。我们知道,一个二维图象,在信道上传输的是用 Fourier 变换之后的代码,而不是图象本身,结果引进了图象编码的技术,因此,必然引进快速 Fourier 变换(简记 FFT)的计算法。本文所介绍的图象变换是用 Walsh 矩阵算子进行变换,在信道上传输的图象是 Walsh 变换后的代码,而不是空间图象。其快速计算法类似于 FFT,由于 Walsh 变换运算仅要求加法和减法,这就使得快速 Walsh 变换(记为 FWT)比 FFT 的运算速度要快得多。在一维情况下,做 N=2~n 点的信号变换时,FFT 需要进行 Nlog_2N 次乘法和     

线性系统测试矩阵优化

研究了工程中常见的线性系统循环指数为1(即其约当标准形不同的约当块不出现重根)的情况下测试矩阵优化的方法.通过将系统矩阵变换为约当标准型,能够简单地判定测试矩阵能否保持系统可观测.采用该方法可以在保持系统可观测的情况下,简单而直观地获取系统测试代价最小的测试策略.例子表明,该算法在工程上易于应用.     

转动算符表示矩阵的计算

利用量子体系态空间基矢的完备性,通过表象变换,直接计算出转动算符∧D(α,β,γ)在{∧J~2,∧J_z}表象中的矩阵表示.该方法简单而有效.     

你具有哪种职业特质?

你具有哪种职业特质? 1.你要远行，选择乘坐的是什么船? A.海盗船(1分)B.小船(2分) C.木筏(3分) 2.你会选择跟几人同行? A.几十人(l分)B.几个人(2分).C.你独自行动(3分) 3.如果能带动物上船，你会带哪种动物? A.狗(1分)B.猫(2分) C.小鸟(3分)的一刹那，你感觉会看到什么? A.金银珠宝(2分) B.看到未来的魔镜(3分) C.能把你带来的动物变成人类的魔法药(l分)记分: 10至14分—A型;15至19分—B型;20至27分—C型;28至32分—D型;33分—E型。解析:幸呀舀4.你觉得哪种东西会在路途上守护你? A.母亲亲手做的布娃娃(2分) B.父亲送的宝剑(l分) C…     

复数形式的快速沃尔什变换法

本文简要地引进复数Walsh函数。它是由实数Walsh函数推广到复数Walsh函数。这是于1970年J.E. Gibbs[1]在一篇论文中首先提出的。我们将引入一个Walsh变换法,这个变换法是模拟到关于复数指数Fourier变换的Cooley-Tukey算法。一个离散、正交Walsh函数可以由多重迭代方程式产生,利用这样迭代方程式,有效地引入快速Walsh变换计算法。本文内容:复数Walsh函数,指数形式的CFWT法,矩阵形式的CFWT法。     

基于轮廓波变换的图像压缩感知处理

由于轮廓波变换(contourlet transform)能够更好地对图像进行稀疏表示。文章提出了基于轮廓波变换的图像压缩感知算法。将图像进行轮廓波变换后得到图像的稀疏表示,采用随机高斯矩阵对高频系数进行测量,实现数据压缩,然后采用正交匹配追踪算法恢复系数,再进行轮廓波反变换重构图像。实验结果表明,与原压缩感知算法相比,该算法有效地提高了重构图像质量的主观视觉效果和峰值信噪比。