广义(ω)性质及亚循环算子

研究了Weyl定理的一种变化形式:广义$(\omega)$性质; 给出了广义$(\omega)$性质成立的充要条件.同时, 广义$(\omega)$性质及算子的亚(超)循环性之间的关系得到了研究.     

拟弱几乎周期点的等价定义与系统的混沌性

1992年, 周作领引进了弱几乎周期点这一概念. 1995年, 周和何伟弘又引进了拟弱几乎周期点这个概念, 并利用它们深刻地刻画了一个动力系统的本质所在. 为了更好地看出这两者的区别,首先从回复时间集的角度给出拟弱几乎周期点的等价定义,然后研究了一个存在真的拟弱几乎周期点的系统的混沌情况,得到了这样的系统是Takens-Ruelle混沌的.     

一致L-Lipschitz的渐近伪压缩映象不动点的Ishikawa迭代逼近问题

在任意实的Banach空间中研究了用具误差的修正的Ishikawa与Mann迭代程序来逼近一致L-Lipschitz的渐近伪压缩映象不动点的强收敛性问题,在去掉条件$$\sum\limits_{n=0}^{\infty}\alpha_{n}^{2}<\infty, \q \sum\limits_{n=0}^{\infty }\gamma_{n}<\infty,\q \sum\limits_{n=0}^{\infty }\alpha_{n}(\beta_{n}+\delta_{n})<\infty,\q \sum\limits_{n=0}^{\infty}\alpha_{n}(k_{n}-1)<\infty$$之下,证明了相关文献的结果仍然成立.所得结果不但改进和推广了最近一些人的最新结果,而且也从根本上改进了定理的证明方法.     

类W-KKM(X,Y,Z),几乎不动点定理和不动点定理

引进了相对弱$R$-子集和类($W$-)KKM$(X,Y,Z)$的概念,给出了相对KKM映射与相对弱$R$-子集之间的等价关系以及$W$-KKM$(X,Y,Z)$的一个性质,然后给出了两个连续选择定理并得到不动点定理和重合点定理, 最后,在一致拓扑空间上得到具有弱-KKM性质的映射的几乎不动点,不动点和重合点的存在定理.     

正实数维分形集的构造方法

给出了测量一类分形集维数的简单方法. 根据这种测量方法, 可以构造出任意实数维分形集,并且分形集可以不是自相似的.     

在不确定观测下离散状态时滞系统的最优滤波

研究了在不确定观测下离散状态时滞系统的最优滤波问题,观测值的不确定性则通过一个满足Bernoulli分布且统计特性已知的随机变量来描述. 一般采用状态增广方法将时滞系统转换为无时滞随机系统, 再利用Kalman滤波器的设计方法解决最优状态估计问题, 但是当系统时滞较大时,转换后的系统状态维数很高, 这样增加了计算负担. 为此,基于最小方差估计准则, 利用射影性质和递归射影公式得到了一个新的滤波器设计方法, 而且保证了滤波器的维数与原系统相同.最后, 给出一个仿真例子说明所提方法的有效性.     

基于RBF神经网络的一类非线性时滞系统自适应控制器设计

针对一类带有未知非线性函数的严格反馈非线性时滞系统,设计了一种自适应神经网络控制器.选择径向基函数神经网络逼近未知的非线性函数.所提出的控制方案能保证闭环系统的所有信号是全局一致最终有界的.证明了跟踪误差信号将收敛于一个小紧集内.仿真实例验证了所提出方法的有效性.     

分布式多媒体系统媒体同步的排队模型分析

针对分布式多媒体系统中不同媒体流的同步问题,建立了具有休假特征离散时间随机匹配的双输入排队模型Geom_1+Geom_2/Geom/1.利用矩阵几何解方法对该模型进行了详细的分析,给出了该排队系统的主要稳态性能指标:系统处在忙期的概率,两类媒体流分组的平均队长,系统处在分组不匹配状态的概率等结果.最后,通过数值例子说明了休假参数和匹配模式变化对系统性能指标的影响.     

基于单目视觉的SLAM算法研究

利用一种新型的人工路标系统-MR二维码,提出了基于单目视觉和里程计的SLAM方法.首先介绍了MR二维码系统,然后在对机器人运动模型和视觉传感器观测模型进行分析和验证的基础上,给出了一种实用的里程计位置估计误差模型.机器人移动过程中,利用扩展卡尔曼滤波器对视觉信息与里程计信息进行融合.在室内环境下进行了实际实验,实验结果表明该算法可提高机器人定位和构建地图的精度,验证了算法的有效性.     

一种基于自适应杂波密度模型的OTHR Viterbi数据关联跟踪算法

针对天波超视距雷达杂波呈现非均匀非平稳分布的特性以及由虚假杂波多而带来的虚假航迹多等问题,在Viterbi算法中引入了自适应杂波密度模型,在此基础上提出了一种基于自适应杂波密度模型的Viterbi数据关联算法(ACM-VDA).仿真结果表明,与VDA算法及 VDA-AI算法相比,ACM-VDA算法大大降低了虚假航迹的条数.