Global Existence of Solutions and Lower Bound Estimate of Blow-Up Time for the Keller-Segel Chemotaxis Model北大核心CSCD

A macroscopic nonlinear Keller-Segel model for chemotactic cell migration was considered, where the existence region of the model is a bounded convex one on Ω ⊂ RN(N≥2). The global existence of the solution on Ω ⊂ R3 was obtained by means of the energy estimate method. The lower bound of the blow-up time was proved for N = 3 and N = 2. © 2022 Editorial Office of Applied Mathematics and Mechanics. All rights reserved.     

Schrödinger方程的连续时空有限元方法

本文讨论Schr?dinger方程的连续时空有限元方法,通过引入相应的时空投影算子,利用实部虚部分离技巧,得到了变量u在时间节点处的L²范数,以及u和u_t的全局L²(H¹)和L²(L²)范数意义下的最优误差估计结果.该文的结论对进一步探索和设计Schr?dinger方程的数值算法是有益的.     

面向空间引力波探测的激光低频段相对强度噪声测试技术

面向空间引力波探测对激光光源相对强度噪声的严苛需求,开展了极低相对强度噪声在低频段的测试表征技术研究。构建了基于低噪声光电探测器、高精度数字万用表以及快速傅里叶（FFT）频谱分析仪在低频段0.1 mHz～100 kHz的相对强度噪声测试系统。利用高精度数字万用表及FFT分段Smooth窗函数平滑算法实现对0.1 mHz～0.5 Hz的极低频段内相对强度噪声测试,本底噪声低于-99 dBc/Hz,同时利用低噪声放大器及FFT频谱分析仪测试在1 mHz～100 kHz的相对强度噪声,本底噪声低于-105 dBc/Hz。两种测试手段在1 mHz～0.5 Hz重叠频段内噪声测试结果的一致性验证了所构建测试系统在低频段测试结果的准确性。利用所构建的相对强度噪声测试系统对自研空间引力波探测用平面波导环形腔（NPRO）激光器、商用光纤激光器、商用外腔半导体激光器等多种激光器进行测试评估,并对其噪声成分及来源进行分析。所构建的低频段相对强度噪声测试系统可满足空间引力波探测对激光强度噪声评估的需求,同时也适用于其他低频段精密测量应用的激光光源噪声评估。     

基于低秩先验非局部匹配的高光谱图像恢复北大核心CSCD

为了实现未知退化类型条件下的图像恢复,提出了一种基于低秩先验非局部匹配的高光谱图像恢复方法。该恢复策略将结构相似性指数度量作为数据保真度项,核范数作为正则化项,从而能够使用单一算法解决延迟和信号相关的退化形式,能够处理加性高斯噪声、与信号相关的泊松噪声、混合泊松-高斯噪声,并且能够恢复被截止期和条纹损坏的高光谱图像。通过多个数据集实验结果证明了提出方法具有较好的恢复效果。     

面向蜂巢式微机电陀螺模态交换工作模式的卡尔曼滤波

该文对模态交换工作模式下的蜂巢式微机电陀螺进行了噪声成分分析,并建立了噪声模型。提出采用卡尔曼滤波降低陀螺输出白噪声的方法,从而提升陀螺的静态性能,该方法可用于惯性寻北。实验结果表明,经滤波后陀螺输出在采样时间1 s下与未滤波前的平滑时间100 s下的陀螺输出噪声水平相当。陀螺输出白噪声幅值降低,从而缩短寻北时间。实际应用中,最短寻北时间可由卡尔曼滤波初值收敛后的时间进行标定。     

改进的免疫粒子群算法在TDOA定位中的应用

针对无线传感器网络中的TDOA节点无源定位估计中的非线性优化问题,提出了一种改进的免疫粒子群优化(Immune Particle Swarm Optimization, IPSO)的TDOA定位算法。该算法在自适应粒子群算法的基础上,引入免疫过程,增加了粒子种群的多样性,平衡局部搜索能力和全局搜索能力,有效地解决粒子易陷入局部最优问题,更快收敛到全局最优解。仿真结果表明,提出的算法相比于标准粒子群算法、自适应粒子群算法、Chan算法,当基站数量仅为4～5个、半径达到100 m时定位精度仍然较高,当加入随机噪声时,性能更加稳定,鲁棒性较好。     

基于遗传算法和ELM神经网络的目标威胁估计

目标威胁程度是指挥员进行态势评估和指挥决策的重要依据。为准确估计目标威胁情况,提出了基于遗传算法和极限学习机(Genetic Algorithm and Extreme Learning Machine, GA-ELM)的目标威胁评估方法。采用遗传算法优化ELM神经网络的输入权重和隐含层阈值,优化后的ELM神经网络能够克服传统ELM网络不稳定的缺点,具有更好的目标威胁估计性能。实验结果表明,基于GA-ELM的目标威胁估计误差明显小于传统ELM方法,且输出的威胁结果更加稳定。     

宽带数字T/R组件发射链路噪声分析

一体化的宽带数字T/R组件发射链路的输出信噪比直接影响着信号质量,较低的信噪比将导致信号被接收时出现较高的误码率。通过对T/R组件发射链路各部分电路的噪声分析,总结出了线性链路的信噪比恶化量与噪声系数的关系式,可定量地指导发射链路设计;同时,分析了浅饱和功率放大器的噪声情况,提出了适合T/R组件的数字预失真解决方案,对宽带数字T/R组件的发射链路设计具有一定的指导意义。     

稀疏阵列波达方向估计研究进展

波达方向(direction of arrival, DOA)估计是阵列信号处理领域的重要研究方向,也是电子侦察与电子攻击领域的关键技术之一。以提高DOA估计精度和降低计算复杂度为导向,结合模型驱动和数据驱动方法的各自优势,提出了基于深度展开网络的DOA估计统一框架,阐述了稀疏阵列离网格DOA估计、无网格DOA估计以及混合信号参数估计等方面的研究进展。对复杂信号模型下的DOA估计、深度展开网络性能分析与挖掘以及分布式稀疏阵列回波信号融合处理等后续的研究内容进行了展望。     

基于GAN的导频配置和信道估计联合优化算法

随着通信设备的爆炸式增长,信道环境变得愈加复杂,传统信道估计方法需要进一步增加导频开销以维持现有信道估计精度。然而,这会导致系统吞吐量的下降。首先,提出了一种基于GAN的信道估计方法以在OFDM通信系统中解决这一问题。然后,采用GAN模型去学习从低维的潜向量到真实信道样本的映射关系。最后,在此基础上进行联合的导频配置优化。