矩阵代数中可乘保范映照的显形式

在矩阵的可乘映照理论与应用中,判定一个可乘映照是否保持某类特定的数值特征以及获取可乘映照在保持某类数值特征条件下的解析式备受关注.对此,着重研究了一般可乘映照在具有某种保秩性或保范性下的表示问题.借助于构造的方法,给出了判定一个可乘映照是否为保秩映照的新的便捷方法.针对F=R或C,分别得到了Mn(F)上保1-范数、保∞-范数以及保F范数的可乘映照的显形式,进而证明了Mn(F)上保持1-范数可乘映照必为保F范数映照,而可乘保F范数映照又一定保谱半径、保数值半径、保正规性、保酉性等.     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

矩阵开关技术在通用ATS电源模块自检中的应用

针对通用ATS中电源模块检查过程中存在检查时间长、劳动量大、工作效率低且易出错等问题，将矩阵开关技术引入通用ATS中电源模块的自检过程中，选取电压信号的均值和均方差作为评价电源模块性能的特征参数，并利用矩阵开关的多路复用功能设计了电源模块自检的拓扑结构，实现了自检过程中多通道的自动配置。仿真验证试验说明了该方法具有多通道自动配置、自检时间短、故障定位准确等优点。     

杂合数据的粗糙集属性约简方法

针对决策表中属性取值为杂合数据的情况,提出了基于粗糙集理论的属性约简算法.首先给出了对象间在杂合数据下的相似度计算定义.为了获取合理的对象集合的软划分,给出了阈值计算的最优化模型,并基于粗糙集的上、下近似的概念,得到对象集合在条件属性下的上、下近似的覆盖划分.之后,通过各对象基于条件属性和决策属性的上、下近似下的分布矩阵描述,利用最大分布矩阵,直观地得到两种不同观点下的约简结果.实验结果表明了本算法的合理和有效性.     

雷达目标全极化一维距离像的瞬时测量方法

雷达目标宽带全极化测量在雷达成像、目标识别等领域有着重要应用,为此,基于正交频率分集思想,设计了一种用于宽带全极化瞬时测量的矢量信号波形;给出发射信号模型和回波信号模型,利用该波形的单个脉冲回波,可以获取测量带宽内多频点全极化数据,再经逆离散傅立叶变换后可以得到目标的全极化一维距离像;最后,用仿真数据和实测数据进行仿真实验,验证了该方法的有效性.     

计及技术风险的复杂系统多分辨率风险评估方法

针对技术风险难以直接度量、模型参数设定主观性较强等问题,利用技术成熟度的规范化方法评估系统组成的技术实现条件和难度;通过矩阵化的系统描述及关联关系推理,建立各分系统技术成熟度与系统过程模型动态参数之间的量化关系;采用系统过程建模仿真的间接方法,计算进度或费用超出可承受范围的不确定性,用以评估复杂系统研制的技术风险。通过多分辨率建模方法提高系统分析粒度,使该方法具有随系统演化过程对技术风险评估保持更新和分析粒度提升的能力。     

动态矩阵控制在固体氧化物燃料电池中的应用

提出将动态矩阵控制(DMC)算法用于固体氧化物燃料电池(SOFC)的控制。为此,在分析SOFC动态机理模型的基础上,建立了其阶跃响应模型。控制目标是使SOFC的输出电压始终保持在一定范围内,并收敛到恒定的数值。在实际应用中,这样的算法应能提高SOFC输出功率的跟踪性能。仿真结果验证了这种方法的有效性。     

基于AT89C51和DS18B20温度的测量系统的实现

本系统为以AT89C51单片机作为主控芯片的温度测量系统，采用一线温度传感器DS18820实现温度的检测，结合128×64点阵式液晶显示模块OCM12864作为显示器，形象直观地显示测得的温度值。主要介绍了该系统的硬件结构和软件编程实现的方法，数字温度传感器DS18820的基本特性，阐述了DDRAM寻址与液晶点阵的对应关系及中文字符、中文菜单在液晶模块上的显示规则。     

基于累积前景理论的时间矩阵多属性综合评判模型

针对动态多属性方案排序优选决策问题,提出了一种基于累积前景理论的时间矩阵序列动态多属性综合评判系统模型。依据累积前景理论,将时间矩阵序列动态多属性决策转化为关于属性期望的益损时间矩阵序列动态决策,综合考虑各属性权重、各时间点的权重,计算各方案的最终综合前景值,并依据其大小对方案进行综合评判排序。最后给出了一个决策实例。     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。