信息与生命

理解生命的本质的关键，在于信息科学与生物学的结合，以系统和综合的观点去理解生物，综合多种信息对生物体进行分析。生物信息学正是这样一个新兴的交叉学科。     

要造就一代新的研究人才

本文是作者在2002年11月9－11日在南京召开的全国信息与电子学科研究生教育委员会第三届学术研讨会上做的专题报告，就我国如何培养在新世纪支撑我们国家强大的一代新的研究人才，提出了许多值得大家认真思考的见解和意见。     

以信息系统的观点了解基因组

后基因组时代的核心任务是了解基因组与蛋白质组的功能.由于生物是在遗传信息与外界信息作用下的一个复杂、有序的动态系统,基因组包含生命所需的信息,包括其产物和调控的信息,所以,本质上,基因组是一个信息系统.基因组的调控与信息系统的调控具有相同的规律.据此,本文提出将信息与信息结构作为内涵对基因组序列作为整体系统分析的设想,以信息系统的观点了解基因组.     

在不同噪声背景下Dopplerlet变换在信号恢复中的应用

在不提供信号与噪声统计特性的前提下,用自适应匹配投影塔形分解算法实现的Dopplerlet变换,能有效地去除信号中的噪声和干扰.文中给出了信号恢复的原理以及不同特性噪声背景下的算例结果.     

非高斯相关噪声中高斯信号的时延估计

高阶统计量在信号处理中成功的应用例子之一是估计高斯相关噪声中非高斯信号的时延参数.本文则研究非高斯相关噪声中高斯信号的时延估计问题,提出了一种解决该问题的混合方法.该方法先计算观测值的三阶累积量,然后利用累积投影公式计算观测噪声的二阶统计量,最后利用互相关方法确定信号时延参数.仿真结果验证了该方法的有效性.     

遗传算法中突变算子的数学分析及改进策略

本文在简要介绍遗传算法的基础上,通过引入#em/em#位改进子空间的概念,对不同情形下突变概率的最优选取进行了分析,然后采用模糊推理技术来确定选取突变概率的一般性原则。良好的仿真结果显示了本文所提改进策略的有效性。     

FMmlet变换在信号分离中的应用

具有非线性时频关系的多分量信号的频谱占有较宽的频带，并且各信号分量的频谱常常互相交叠，因之难以用常规的滤波方法将各信号分量分离，将信号与背景噪声分离亦非易事，由于FM^mlet变换的原子能匹配信号的线性和非线性时变成分，因此本文提出采用FM^mlet变换进行信号分离，实际算例结果印证了本文方法的有效性。     

IEEE 802.11协议中分布式协调机制的性能模型

IEEE 802.11采用异步传输方式作为媒体层的主要技术,而基于载波检测碰撞避免的分布式接入机制则是其最大的特点.关于分布式接入机制的研究,目前已经有了许多的模型,但是,大部分的模型都是研究终端所产生的数据包是固定长度,很少有模型来研究终端数据包是可变长度的情况.这种情况下的难点就是不易求得碰撞发生时信道所消耗的时间长度.本文则研究在终端数据包长度的分布函数为f(x)下协议的吞吐量和延迟性能模型.首先本文将原标准协议的退避算法看成是有固定大小的竞争窗口,用以求得站点的发送概率;然后,分析信道的工作状态,给出了性能模型,重点在求解碰撞消耗的信道时间,在文章的最后,我们通过仿真试验来验证了模型的正确性.     

基于Radon-STFT变换的含噪LFM信号子空间分解

由于线性调频信号占有非常宽的频带,用奇异值分解就不能将含噪线性调频信号分解成信号子空间和噪声子空间,针对这一缺陷,本文提出了一种基于时频面旋转的含噪线性调频信号的子空间分解算法。文中分析了算法的性质,并提出了“伪信号子空间”的概念和用于检测直线倾角的Ｒａｄｏｎ－ＳＴＦＴ变换,理论分析和仿真实验的结果表明了这种子空间分解方法对一类含噪线性调频信号是可行的。     

一种用于PCA与MCA的神经网络学习算法

主元分析（ＰＣＡ）和次元分析（ＭＣＡ）是用于特征提取、数据压缩、频率估计、曲线拟合等信号处理的基本技术．以神经网络来实现ＰＣＡ和ＭＣＡ是当今研究的一大热点，相关矩阵Ｒ的特征值重数不为１时的主、次元分析则是其中一大难题．本文提出了一种新的学习算法，使得在输入数据的相关矩阵含多重特征值时，网络权重矢量亦收敛于相关矩阵的单位正交特征矢量