南海边的守望者

美国小说家塞林格的名作《麦田里的守望者》中的主人公是一个被学校开除的中学生, 他貌似玩世不恭,厌倦现世平庸的一切,但并非没有理想:他想像悬崖边有一大块麦田,一大群孩子在麦田里玩,而他的理想就是站在悬崖边做一个守望者,专门捕捉朝悬崖边上乱跑的孩子们,防止他们掉下悬崖。主人公的理想     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.     

固定翼无人机多工况聚类及识别研究

针对固定翼无人机作业过程中多工况的分类以及一般模式识别算法时效性低,准确率不高的问题,提出了"聚类分析-模式识别"相结合的多工况分析技术路线,将工况分析分为离线和在线2个阶段.离线阶段,提出子一种基于分组的密度聚类算法,采用分而治之的聚类思想对无人机历史飞行数据进行聚类分析,并将聚类所得各抽象数据簇视为工况.在线阶段,...     

基于B样条插值曲线直接筛选的EMD及其在机械振动信号处理中的应用

经典的经验模式分解(EMD)方法通过求解信号的上下2条三次样条包络曲线的均值曲线,实现对原始信号的分解.但是对于非平稳、非线性信号,包络平均无法代替真正的局部平均.另外,基于包络平均的分解方法还会引入极值过冲和欠冲问题.利用B样条的良好局部性质直接计算信号的局部均值插值曲线,克服了三次样条包络方法在EMD分解中的不足.通过对旋转机械故障振动信号的分解处理,表明基于B样条局部均值插值曲线的经验模式分解方法得到的固有模式函数更符合信号的真实物理意义,分解结果更好.     

关于集值拟终鞅的若干结果

在 X~*可分的条件下讨论了集值拟终鞅的若干性质,且在此基础上证明了集值拟终鞅在弱收敛意义下的收敛定理,同时给出了集值拟终鞅的 Riesz 分解定理。     

零维理想的正则列

求一个多元多项式环的理想的正则列是非常重要和困难的问题。在字典序下,一个零维理想的Gr bner基中含有一个极大正则列,并且这个正则列是与顺序没有关系的。零维理想正则列的求出建立在Gr bner基的可计算性和首项理想的根理想的准素分解算法上。     

情爱人生写辉煌——记白宁、赵莉夫妇

著名作家巴金说过：“理想不能抛弃苦心追求的人,只要不断地追求,你就会沐浴在理想的光辉之中。”     

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

一种新的二维谐波估计方法

研究了二维谐波信号相关矩阵后 ,提出了一种称之为“矩阵束的二维谐波估计 (MP2D)”算法 ,该算法既不需要求解二维特征多项式的根 ,也不需要在二维频率空间搜索谱峰 ,算法具有高效性。仿真实验表明 ,该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。