具有拟周期外力的非自治发展方程的时滞惯性流形与近似惯性流形

研究了一类具有拟周期外力的非自治发展方程,通过延伸相平面将非自治系统转化为自治系统,再证明相应的自治系统的时滞惯性流形的存在性,并在时滞惯性流形的基础上构造了非自治发展方程的近似惯性流形。     

气囊辅助RTM制备复合材料承力筒内腔尺寸控制技术

根据气囊充压压力与复合材料承力筒内径之间的变化关系,给出了成型复合材料承力筒内表面的气囊尺寸计算方程。分析了气囊充压压力增大对承力筒的壁厚、纤维含量和弯曲性能的影响。采用气囊辅助RTM工艺整体制备出复合材料承力筒。试验结果表明,气囊充压压力使复合材料承力筒的壁厚减薄,纤维体积含量增加,弯曲性能提高;选择适当的气囊充压压力可以制备出满足设计要求的复合材料承力筒。     

参数化滤波器逼近问题的全局最优算法

基于Lipschitz下界估值和分枝定界技术,给出了一维参数化小波滤波器逼近问题的全局最优算法。由于充分利用了滤波器逼近问题的特点,本方法将原来的Lipschitz算法的线性收敛速率提高为二次收敛速率。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于伪随机线性调频的双序列跳频通信系统

针对双序列跳频(Binary-Sequence Frequency Hopping,BSFH)在对偶信道被干扰的情况下会导致通信瘫痪的缺点,提出了一种基于伪随机线性调频的双序列跳频通信系统。在发送端利用线性调频信号对每一跳载波进行带内扩频,接收端将解跳后的信号作分数阶傅里叶变换,然后通过抽样判决得到发端信息。构建了相应的系统模型,推导了其在跟踪干扰和部分频带干扰下的误码率数学表达式。理论和仿真结果表明:在最坏跟踪干扰下,该系统比BSFH约有5 dB以上的性能增益;在部分频带干扰下,达到相同误码率时所需的信干比,改进方法比BSFH低约4 dB。