关于矩阵的初等变换运用的一则注记

矩阵的初等变换是线性代数学中应用广泛的基本工具之一,目前一般线性代数或高等代数教材中常见之于用来解线性方程组,求秩,求逆,解矩阵方程(如A、B可逆时解AX=C,YB=C或AZB=C等),化二次型为标准形(或规范形),求由一组基底到另一组基底的过渡矩阵等     

CSL代数加子群中的有限秩算子

设L是Hilbert空间H上的一个交换子空间格(简记为CSL),引进了性质P并得到两个主要结果(a)若G是一个具有性质P的加群,F∈G是一个可写作AlgL中有限个秩一算子之和的有限秩算子,那么,它一定可写作Ringrose理想R(L)中有限个秩一算子的和.(b)设M(U-)AlgL是一个具有性质P的左(右)(L)″-模,则M中的所有有限秩算子都包含在-R1(L)‖*‖1,其中R1(L)代表由Ringrose理想中所有秩一算子生成的代数,‖*‖1是迹范数.     

线性约束下部分线性模型中估计的渐近性质

考虑回归模型yi=x′iβ+ g(ti) + ei, 0 ≤i ≤nr=Rβ其中(xi,ti)是固定非随机设计点列,xi=(xi1,…,xip)′,β=(β1,…,βp)′(p 1) ,g是定义在[0 ,1]上的未知函数,β是未知待估参数,0≤ ti≤1i,ei 是i.i.d随机误差,且Eei=0 ,Ee2i=σ2 <∞.r是一个J维向量,R是一个J* p列满秩矩阵,基于g的估计取一个非参数权估计,本文讨论了在线性约束下β的最小二乘估计的相合性及渐近正态性.     

关于线性秩统计量的渐近下在态性及其收敛速度

本文讨论线性失统计量的渐近正诚性的条件及其收敛速度。     

高效液相色谱法分离及测定16种稀土元素

本文应用高效液相色谱法．在C18反相柱上，以0．25mol／L乳酸作流动相，采取pH梯度．对16个稀土元素进行分离。除Dy－Y和Gd－Eu两对未完全分离外．其余稀土在55min全部洗脱达到分离、对完全分开的稀土元素，采用内标法同时定量测定．而两对元素Dy－Y和Gd－Eu采用铁消因子分析方法，进行了定量计算，取得了满意的结果。     

Λ-稳定秩下的酉K_1-群

A.Bak和唐国平在[1]中引入了Λ-稳定秩条件,这是比过去常用的酉稳定秩条件与绝对稳定秩条件都要弱的新的稳定秩条件.利用这一稳定秩条件证明了酉群(有限生成投射模上二次型的自同构群)的基本子群的正规性、二次型空间的消去性.以及酉K1-群的稳定性.这些结果不仅推广了已有的类似结果、极大地简化了证明过程,而更重要的是降低了稳定秩的下界.     

基于端元提取和低秩稀疏矩阵分解的高光谱图像异常目标检测

为了抑制高光谱图像(HSI)混合像元和噪声在复杂背景中对异常目标检测的干扰,充分提取和利用HSI的光谱特征和空间特征,提出了一种基于端元提取和低秩稀疏矩阵分解的HSI异常目标检测算法.首先,对原始HSI进行最优分数阶傅里叶变换.然后,采用连续最大角凸锥算法对变换后的HSI进行端元提取,得到端元和相应的丰度矩阵,并通过行约束的低秩稀疏矩阵分解方法将丰度矩阵分解为具有低秩特性的背景分量和具有稀疏特性的异常分量.最后,构建背景协方差矩阵,通过马氏距离检测异常目标.实验结果表明,本算法在HSI异常目标检测中具有很好的检测性能.     

基于稀疏和低秩恢复的稳健DOA估计方法

该文针对有限次采样导致传统波达方向角(DOA)估计算法存在较大估计误差的问题,提出一种基于稀疏低秩分解(SLRD)的稳健DOA估计方法。首先,基于低秩矩阵分解方法,将接收信号协方差矩阵建模为低秩无噪协方差及稀疏噪声协方差矩阵之和;而后基于低秩恢复理论,构造关于信号和噪声协方差矩阵的凸优化问题;再者构建关于采样协方差矩阵估计误差的凸模型,并将此凸集显式包含进凸优化问题以改善信号协方差矩阵估计性能进而提高DOA估计精度及稳健性;最后基于所得最优无噪声协方差矩阵,利用最小方差无畸变响应(MVDR)方法实现DOA估计。此外,基于采样协方差矩阵估计误差服从渐进正态分布的统计特性,该文推导了一种误差参数因子选取准则以较好重构无噪声协方差矩阵。数值仿真表明,与传统常规波束形成(CBF)、最小方差无畸变响应(MVDR)、传统多重信号分类(MUSIC)及基于稀疏低秩分解的增强拉格朗日乘子(SLD-ALM)算法相比,有限次采样条件下所提算法具有较高DOA估计精度及较好稳健性能。