垂直水声通信中的伪随机序列精确定时算法*

针对垂直水声通信中时变多普勒引起的定时偏差问题,研究一种基于伪随机序列的迭代定时估计及补偿算法。该方法利用伪随机序列作为同步信号,分三步估计时变多普勒：采用低复杂度的模糊函数法粗补偿接收信号内的平均多普勒;通过迭代插值法实现残留时变多普勒的精确估计及补偿;利用基于信道相关函数的相位信息,纠正均衡后信号的偏转相位。为实现高阶海试数据的有效解调,采用基于伪随机序列均方误差的多通道加权合并方式,获得空间分集增益。仿真及海试数据处理结果证明所提方法具有良好的时变多普勒估计及补偿性能,同时对30个通道内的1024QAM数据进行合并处理,在500 m的通信距离下,误码率为0.04,信道容量达到7.6 bits/symbol。与传统数据帧结构相比,无需使用线性调频信号,可以提高有效数据传输率。     

次线性期望下的完全Choquet积分收敛

本文主要研究了次线性期望下的完全收敛和完全Choquet积分收敛,创新之处在于把经典概率空间的完全收敛以及完全Choquet积分收敛扩展到了次线性期望空间.     

行列可交换不相关随机变量组列的中心极限定理之收敛速度

（ｘｉｊ）为行列可交换不相关随机变量组列,本文讨论ｓｕｐ│ｐ（ａ＾－１ｎＴｎ〈ｘ）－Φ（ｘ）│→０的速度（其中Ｔｎ＝１／ｎ２ｎΣｉ＝１ｎΣｊ＝１ｘｉｊ,Ｏ＾２ｎ＝ＶａｒＴｎ,Φ（ｘ）为标准正态分布函数）,取得了与Ｕ－统计量情形下相同的结果。     

高斯骨架差分进化算法与回声状态网络的结合应用

针对回声状态网络(ESN)对于不同时间序列的学习上无法有效地确定储备池参数的问题,提出一种新型预测模型。利用改进的高斯骨架差分进化算法(DE)来优化回声状态网络。在DE算法中引入了变异策略选择因子,并将选择因子随个体共同参与进化,使每个个体执行当前最适合的变异策略。改善了原始DE算法进化过程中的盲目性,同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点,最后为避免算法早熟加入停滞扰动策略改善算法的寻优性能。为验证模型的有效性,对Mackey-Glass时间序列、赣州月平均气温数据集进行仿真实验。由实验结果可知,该模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值。     

Calculations on the hyperfine constants of the ground states for lithium-like system

In this paper a relativistic many-body perturbation calculation is performed to calculate the hyperfine constants of the ground states for lithium-like isoelectronic sequence. Zeroth-order hyperfine constants are calculated with Dirac--Fock wavefunctions, and the finite basis sets of the Dirac--Fock equations are constructed by B splines. With the finite basis sets, the core polarization and the correlation effect are evaluated.     

Contrast Adaptation Decreases Complexity in Retinal Ganglion Cell Spike Train

The difference in temporal structures of retinal ganglion cell spike trains between spontaneous activity and firing activity after contrast adaptation is investigated. The Lempel-Ziv complexity analysis reveals that the complexity of the neural spike train decreases after contrast adaptation. This implies that the behaviour of the neuron becomes ordered, which may carry relevant information about the external stimulus. Thus, during the neuron activity after contrast adaptation, external information could be encoded in forms of some certain patterns in the temporal structure of spike train that is significantly different, compared to that of the spike train during spontaneous activity, although the firing rates in spontaneous activity and firing activity after contrast adaptation are sometime similar.     

基于优化核极限学习机的风电功率时间序列预测

针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性.     

模糊时间序列预测模型及其应用

本文在分析了各种产品销售量预测模型的基础上,提出了采用模糊预测法的建议,剖析了模糊时间序列预测模型的基本算法,应用实例验证了模型的有效性。     

基于时间序列的航天器遥测数据预测算法

在航天器遥测数据预测领域,基于时间序列的预测方法有着广阔的应用前景;时间序列有一明显的特性就是记忆性,记忆性是指时间数列中的任一观测值的表现皆受到过去观测值影响;它的基本思想是根据观测数据的特点为数据建立尽可能合理的统计模型,利用模型的统计特性解释数据的统计规律,以期达到预报的目的;提出了采用模式识别和参数估计的方法,结合航天器遥测动态数据,建立关于航天器遥测数据的时序预测模型,对航天器遥测数据趋势进行检测和预报。     

两两NQD随机变量序列的完全收敛性

利用两两NQD列的Kolmogorov型不等式,在更广泛的条件下,讨论了两两NQD列的完全收敛性,获得了完全收敛性的一系列等价条件,推广和改进了一些文献中相应的结果,同时还得到了任意随机变量序列的完全收敛速度.