谈新课改中教师的角色转变及行为定位

新课程改革的推广实施对教师提出了更高的要求。传统教师角色不仅在教学观念、教学习惯、知识储备、信息技术等方面经受挑战,还要受到新的教学情景和学习方式的考验。在当前基础教育课程改革的大背景下,教师只有不断地进行角色变换、角色适应、角色调整,才能做一位具有创新能力     

支持原位计算的高效三角矩阵乘法向量化方法

向量化算法映射是向量处理器的难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法:将L1D配置为SRAM模式,用双缓冲的乒乓方式平滑多级存储结构的数据传输,使得内核的计算与DMA数据搬移完全重叠,让内核始终以峰值速度运行,从而取得最佳的计算效率;将不规则的三角矩阵乘法计算均衡分布到各个向量处理单元,充分开发向量处理器的多级并行性;将结果矩阵保存在乘数矩阵中,实现原位计算,节省了存储空间。实验结果表明,提出的向量化方法使三角矩阵乘法性能达到1053.7GFLOPS,效率为91.47%。     

高维无穷时滞NFDE概周期解的存在性和稳定性

讨论高维的中立型泛函微分方程ddtx(t)-∫0-∞q(s)x(t+s)ds=A(t,x)x(t)+f(t,xt)的概周期解问题。利用Ch空间,矩阵测度和Krasnoselski不动点定理获得了其概周期解的存在性与惟一性定理。特别地,当q=0时给出了存在惟一且一致稳定概周期解的条件,推广了文献[1～5]的结果。     

边界扫描测试的数学描述模型

IEEE1149.1边界扫描机制是一种新型的VLSI电路测试及可测试性设计的有效方法,为了高效地应用边界扫描机制对电路系统进行测试,必须对其所涉及的理论方法进行深入探讨。本文应用布尔矩阵理论建立起边界扫描测试的数学描述模型,并基于所建立的模型导出了边界扫描测试中的故障检测条件和故障隔离条件。为边界扫描测试生成算法的深入研究奠定了理论基础。     

采用随机矩阵理论的水声阵列SMI-MVDR空间谱估计技术

对角加载MVDR技术是一种经典的空间谱估计技术,在水声阵列信号处理中有着广泛的应用。该技术之所以具有较好的性能是由于其通过对角加载使样本协方差矩阵的特征值分散度减小。提出了基于随机矩阵理论的MVDR空间谱估计技术,具体思路是利用随机矩阵特征值的极限性质实现样本协方差矩阵噪声的抑制,以达到类似对角加载能够实现的特征值分散度减小的效果。仿真表明所提出的方法与对角加载方法达到了同样的目的,且当快拍数一定,而信噪比由小变大时,该方法可以达到与对角加载MVDR技术相当的性能;当信噪比设为定值,快拍数由小变大时,其与对角加载技术具有相同的DOA估计成功概率变化趋势,且在小样本情况下,此方法优势较为明显。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

BTT导弹状态反馈H_∞控制自动驾驶仪设计

针对倾斜转弯(BTT)导弹自动驾驶仪的抗干扰性和鲁棒性问题,以考虑耦合的情况下建立的更接近于实际的导弹数学模型为基础,将通道间的耦合作为干扰,在弹道特征点上对导弹模型进行解耦和线性化,得到各个通道的数学模型;设计基于线性矩阵不等式(LMI)的状态反馈H_∞控制自动驾驶仪,搭建全耦合状态下的三通道仿真模型,并进行联合仿真研究。结果表明所设计的状态反馈H_∞控制自动驾驶仪能够实现对导弹制导指令的有效跟踪,满足BTT导弹控制的要求。     

基于主因素的近似推理的矩阵表示

提出了一个主因素近似推理方法 ,并以一个算例说明了该推理策略的矩阵表示形式。     

初始先验分布未知条件下的DLMR及其Bayes预测

讨论了具有无信息初始先验分布的矩阵变量动态线性模型 (简记为DLMR)及其Bayes预测 ,利用MDIP方法 ,就尺度方差阵∑已知和未知两种情况 ,分别给出模拟初始状态参数(θ1 |D0 )和 (θ1 ,∑ |D0 )的无信息先验分布 ,进而给出其Bayes预测。     

高维非线性电路平衡点稳定性研究

提出了一种新的分析具有分解形式的高维非线性电路平衡点全局渐近稳定的方法.这种方法以矩阵分解为工具,结合平衡点的渐近稳定判据,用分解矩阵的稳定性决定平衡点的全局渐近稳定性.与目前该问题所采用的LIYAPUNOV直接法相比,该方法具有无须判断平衡点的唯一性,判别方法直接明了等优点.电路维数越大时,此方法越有其优势.同时,该方法对于其他形式的非线性系统的分析,也有重要的启发性及应用价值.