展示“原始”思维 优化解题策略

文[1]给出四种方法判断△ABC的形状其中方法1,2寻求角A,B间关系;方法3通过消元求出角A的值;方法4利用正弦定理将其转化边间关系.     

消点法解题数例分析

中国科学院院士张景中教授在攻克计算机的可读性证明时创立了平面几何命题论证的“消点法” .众所周知 ,机器证明是现代数学 (计算机 )对科学的重大贡献 ,自吴文俊教授创立了吴方法之后 ,这项研究取得了突破性的进展 ,但其证明方式仍是“纯机器”的———采用的是非常规的语言 ,不能被一般的人“读”懂 .中国科学院院士张景中教授首创机器的可读性证明 ,使我国在机器证明这一尖端领域的研究水平无可置疑地处于世界领先地位 .这是继“吴方法”之后更辉煌的成就 .有趣的是 ,机器证明中使用的“消点法”不仅适用于机器推理 ,而且还可“手工”操…     

浅谈几种避免分类讨论的方法

<正>分类讨论是解决问题的一种逻辑方法,也是一种数学思想,这种思想对于简化研究对象,发展人的思维有着重要帮助.但在解题实践中,我们在感受分类讨论给我们带来问题"细化"的同时,也深感遵守分类的种种原则和制订分类标准给我们带来的诸多不便,本文从以下几方面谈谈几种避免分类讨论的方法.一、消去参数,避免分类讨论例1已知m>0且m≠1,x∈(0,1),试     

完备 wrpp 半群

研究一类 wrpp 半群,即完备 wrpp 半群,并给出完备 wrpp 半群的若干性质定理.特别地,得到完备 wrpp 半群的织积结构.作为织积的应用,我们证明完备 wrpp 半群是(R)-左消板的强半格.因此,唐向东关于 C-wrpp 半群的结果得到进一步发展.     

化韦达定理“无效”为“有效”的策略

在直线与圆锥曲线相交的综合问题中,常常遇到使用韦达定理后式子无法走向解题目标的情形,即出现韦达定理“无效”的情形.本文中利用韦达定理的内部联系,实施通过变式使用韦达定理来实现降幂和消元的策略,化韦达定理“无效”为“有效”,从而使得问题顺利解决.     

湿端结构极简的低噪声低串扰光纤光栅水听器阵列

由于湿端极简化,光纤光栅水听器系统中普遍存在的偏振诱导信号衰落和随机相位衰落等关键问题仅能采用复合型调制解调手段解决;光纤光栅的双向反射特性会引起传感通道间信号串扰增加等新问题。报道了一种光纤光栅水听器阵列,水下仅采用80个光纤光栅构成64基元水听器阵列。采用相位生成载波与偏振切换调制解调方案,系统本底相位噪声达到■,等效噪声压为36 dB@1 kHz。系统采用低反射率光纤光栅,结合8空分×2波分×8时分复用结构设计,系统的时分、空分和波分通道串扰均稳定在-40 dB以下。该研究为光纤光栅水听器的工程实用化提供了重要的实践探索。     

基于噪声模型变换的子光斑质心提取方法

受天光背景、大气湍流强度、信标光回光特性和探测器噪声等因素影响,夏克-哈特曼波前传感器子孔径光斑常存在强度分布不均匀和低信噪比的情况,故子孔径内光斑质心定位不准且波前探测精度下降。提出了一种基于噪声模型变换的子孔径光斑质心提取方法,采用方差稳定变换（VST）将探测引入的泊松-高斯噪声转换为高斯噪声,进一步基于残差反馈优化BM3D策略实现低信噪比子孔径图像的高效去噪。结果显示：所提方法可有效提取低信噪比夏克-哈特曼波前传感器光斑阵列图像中的光斑信号数据,提高了子孔径光斑的质心定位精度和稳定性;相比于传统自适应阈值法等方法,所提方法在子光斑图像峰值信噪比低于6时,可以提升波前复原精度2倍以上。     

CEEMDAN联合小波阈值算法在水下激光雷达中抑制散射杂波的应用

水下激光雷达回波信号中往往含有大量散射噪声.为了能够有效抑制散射噪声,提高水下激光雷达测距精度,提出了基于自适应完备噪声经验模态分解(CEEMDAN)与小波阈值相结合的去噪新方法.首先通过相关系数法对自适应完备噪声经验模态分解得到的本征模态函数(IMF)进行筛选;然后对筛选后的本征模态函数进行小波阈值去噪,进一步去除本征模态函数中的噪声成分;最后将去噪后的本征模态函数进行信号重构得到去噪后信号.将该方法应用到不同衰减系数水体的强度调制连续光水下测距实验,使用白色聚氯乙烯(PVC)反射板为探测目标,在3.75个衰减长度时,直接采用相关极值确定延时,测距误差达到19.2 cm;应用该方法处理后,测距误差减小到6.2 cm,有效提高测距精度.     

基于改进的反向匹配的拉曼光谱识别方法研究

针对传统的反向匹配方法中存在的强弱峰权重差异和噪声峰的干扰问题,提出了改进式反向匹配方法,通过引入权重衰减函数来优化强峰和弱峰之间的权重占比关系,使得谱图中各特征峰的权重分布在合理的范围内,避免了强峰权重掩盖弱峰的情况;通过概率分布函数动态滤噪的方法,实现了噪声峰的自适应过滤,从而提升了反向匹配方法的识别性能。实验以大量的常规拉曼和表面增强拉曼的谱图为验证样本,基于大型常规拉曼与表面增强拉曼数据库进行拉曼谱图识别验证。实验表明该方法在大量数据测试下综合准确率达到91.52%,相比于命中质量指数方法(51.08%)和传统的反向匹配方法(16.57%)有大幅度的提升。