粘弹性方程混合有限元超收敛分析

运用Bernadi-Raugel混合元对粘弹性方程进行了有限元分析,基于积分恒等式技巧得到了相应的超逼近性质,并进一步利用插值后处理技术给出了整体超收敛结果.     

正倒向重随机微分方程

该文研究了一类正倒向重随机微分方程, 在某些自然的单调性假设下, 得到了解的存在唯一性结果.     

各向异性网格上抛物方程全离散格式的高精度分析

该文的主要目的是在各向异性网格下, 利用双二次有限元逼近对抛物方程全离散格式进行了高精度分析, 通过积分恒等式技巧以及一些新的技术得到了超逼近结果.     

抛物型积分微分方程的非协调$H^{1}$-Galerkin混合有限元方法

H^1-Galerkin nonconforming mixed finite element methods are analyzed for integro-differential equation of parabolic type. By use of the typical characteristic of the elements, we obtain that the Galerkin mixed approximations have the same rates of convergence as in the classical mixed method, but without LBB stability condition.     

分子印迹壳聚糖/凹土分离富集-火焰原子吸收光谱测定痕量铅

建立了用分子印迹壳聚糖/凹凸棒石（MICA）分离富集-火焰原子吸收光谱（FAAS）测定痕量铅的新方法。 在动态吸附条件下,系统地研究了溶液pH值、流速、洗脱条件和干扰离子对痕量铅分离富集的影响;在pH=4.5,上样流速为0.60 mL/min的条件下,铅能被MICA定量富集;吸附的铅可用1.0 mol/L HCl-0.1 mol/L 甲基异丁酮的乙醇溶液在流速为0.96 mL/min条件下完全洗脱;在优化条件下,MICA对铅的动态吸附容量为36.78 mg/g。 线性范围为0～1.28 mg/L,r=0.999 7,检出限（3σ,n=11）为0.73 μg/L,相对标准偏差为1.69%(n=6,ρ=0.08 mg/L),回收率在98.7%～101.4%之间。 该方法操作简便、线性关系良好、灵敏度和精密度高,应用于实际水样中痕量铅的测定,结果满意。     

非定常Stokes问题的矩形Crouzeix-Raviart型各向异性非协调元变网格方法

该文给出了关于速度-压力型非定常Stokes问题的一个 矩形 Crouzeix-Raviart 型各向异性非协调有限元的变网格逼近格式.并用一些新的技巧和方法导出了各向异性网格下的有关速度和压力的最优误差估计.     

结合空间和光谱信息的高光谱影像端元光谱自动提取

端元光谱提取是高光谱影像混合像元分解的关键。现有的端元提取方法多是仅利用了影像的光谱信息,忽略了像元间的空间相关性。现有研究基础上,提出了一种结合影像空间和光谱信息的高光谱影像端元光谱自动提取方法(integration of spatial-spectral information based endmember extraction,ISEE)。该方法首先进行影像子空间划分以增强影像局部的光谱信息特征,然后通过特征空间投影分析获得影像候选端元,最后依次在影像空间信息约束下和端元光谱信息约束下进行优化,得到最终的影像端元光谱集。仿真高光谱影像和真实高光谱影像的实验结果表明,结合影像空间和光谱信息的ISEE方法是有效的,且比一些常用方法提取的端元光谱更为准确。     

二阶椭圆问题的各向异性非协调Crouzeix-Raviart型有限元方法

对满足最大角条件和坐标系条件的二维区域中的各向异性一般三角形网格,研究了二阶椭圆问题的非协调Crouzeix-Raviart型线性三角形有限元逼近,得到了最优的能量模和L2-模误差估计结果．     

Gamma-Gamma大气湍流下相干光通信分集接收技术研究

大气湍流引起的光强闪烁使得自由空间光通信(FSO)系统性能恶化,而分集接收技术可有效改善这一影响。为进一步分析分集接收技术对相干接收系统性能的影响,基于二进制相移键控(BPSK)调制和外差相干接收技术,建立了Gamma-Gamma大气湍流信道模型下自由空间光通信分集接收系统模型。在不同大气湍流强度和接收天线数情况下,分别采取最大比合并(MRC)、选择合并(SC)和等增益合并(EGC),分析了对应的系统误码率(BER)和通信中断概率(OP),并与相同接收口径下的传统单天线接收系统的性能进行了比较。结果表明:MRC、EGC分集接收对大气湍流下的相干通信系统性能有明显改善,而SC分集接收仅当平均信噪比低于某一阈值时对相干通信系统的性能有所优化。     

深度非线性度量学习在说话人确认中的应用

将非线性度量学习(Nonlinear Metric Learning,NML)应用于说话人确认,提出了一种基于深度独立子空间分析(Independent Subspace Analysis,ISA)网络的说话人确认方法。区别于传统的线性度量学习方法,该方法使用深度独立子空间分析网络来学习一种从说话人原始空间到优化子空间的非线性显式映射,并在此基础上计算两条语音之间的相似性,以获得更好的说话人确认性能.所提方法在NIST SRE 2008数据集上进行了评估。评估结果表明,所提算法的等错误率指标相比传统的基于余弦距离打分的i-vector算法、线性判别分析(Linear Discriminant Analysis,LDA)算法、概率线性判别分析(Probabilistic Linear Discriminant Analysis,PLDA)算法分别下降了11.02%,6.40%和4.579%。