一般Brown桥的解析解、数值解及仿真

对任意区间[t₀,t₁]任意初值为x₀和终值为x₁的Brown桥,即随机微分方程dx=(x₁-x)/(t₁-t)dt+dB(t) x(t₀)=x₀,给出其解析解(包括随机积分解和Fourier级数解),及Milstein数值解并进行期望和方差分析,求得期望函数、期望±标准差曲线和95%置信区间边界曲线.并对不同Brown运动对应的不同轨线实现进行仿真模拟.对一个非真实的近似解加以辨别.     

带有随机初值的复值Ginzburg-Landau方程的弱平均动力学*

本文研究了无界域上的带有随机初值的复值Ginzburg-Landau方程.首先, 基于解过程的全局适定性, 建立了带有随机初值的Ginzburg-Landau方程的平均随机动力系统.然后, 证明了弱拉回平均随机吸引子的存在唯一性以及随机吸引子的周期性,并将其进一步推广到加权空间L²(?, L²_σ(R)).     

求解张量随机互补问题的光滑牛顿算法

近年来, 越来越多的人意识到随机互补问题在经济管理中具有十分重要的作用。有学者已将随机互补问题由矩阵推广到张量, 并提出了张量随机互补问题。本文通过引入一类光滑函数, 提出了求解张量随机互补问题的一种光滑牛顿算法, 并证明了算法的全局和局部收敛性, 最后通过数值实验验证了算法的有效性。     

非对称碰撞约束下形状记忆合金梁的随机响应与分岔

形状记忆合金(SMA)是二十一世纪具有形状记忆效应的新型智能材料.针对具有非对称约束的SMA梁,本文构造了碰撞振动系统.在无碰撞和有碰撞两种情况下,利用随机平均法给出了近似解析结果.数值模拟作为验证解析结果的工具.结果表明,系统能量的概率响应曲线具有非光滑特性.当约束位置发生变化时,系统会出现随机P分岔和D分岔.     

光电平台MEMS陀螺性能及滤波算法的Allan方差评价

光电稳定平台被广泛应用于火控、侦察、制导等武器系统中,具有提供重要的态势感知、监视、瞄准和搜跟能力。随着光电技术的发展,光电稳定平台变得更加精准和轻便小巧。MEMS陀螺具有体积小、重量轻、成本低、可靠性高、测量范围大的优点,使其已经成为小体积、低成本光电稳定平台的首选惯性传感器。但在光电稳定平台设计时,选用MEMS陀螺和陀螺滤波处理就成了首要的问题。本文首先介绍了基于Allan方差评价MEMS陀螺随机漂移误差的方法,描述了4种常用的陀螺滤波算法,然后基于Allan方差详细地分析了这几种滤波器的应用特性和滤波器参数对滤波性能的影响。可以看出,使用Allan方差可以很好地评估MEMS陀螺和滤波器性能,指导陀螺滤波器选型和滤波参数配置,该评估方法可有效地解决光电稳定平台设计阶段的陀螺选型和滤波器选型。     

基于改进随机漫步者非凸秩逼近最小化的复杂背景下红外点目标检测方法研究

红外点目标检测是红外制导系统的关键技术之一,是军事应用领域的研究热点。一方面,点目标在大气传输和散射过程中由于观测距离长,常常淹没在背景杂波和大噪声中,信噪比低。另一方面,图像中的目标以模糊点的形式出现,使得目标没有明显的特征和纹理信息。由于不同红外图像中的点目标具有不同的外观、形状和姿态,加之噪声杂波的干扰遮挡,经过单帧检测后,除了真实目标外,图像中可能有虚假目标和一些强噪声。因此,由于这几个因素,红外点目标检测变得非常困难。为了解决这一问题,作者研究了红外点目标检测的相关方法,提出了非凸秩逼近最小化方法（NRAM）与改进的随机漫步者方法（MRW）相结合的方法（NRAM-MRW）,在复杂的红外背景下,针对红外点目标的检测中有着较好的检测效果。     

向列相液晶激光器件侧面辐射谱研究

研究了向列相液晶激光器件侧面激光辐射谱,并深入分析了激光辐射机制。分别制备了传统液晶盒和引入SU-8光栅结构的两种器件,并注入向列相液晶TEB30A和激光染料PM597的混合物。利用Nd:YAG固体脉冲激光器倍频出的532 nm激光作为泵浦源正面入射器件,侧面探测激光辐射谱。在传统液晶盒器件侧面,测得575～600 nm范围的随机激光辐射谱。而具有周期100μm和8μm的SU-8光栅结构器件侧面,获得了多波长激光辐射谱。随着泵浦能量增大,最高强度激光辐射峰波长位置出现在583～585 nm和588～592 nm附近,FWHM约0.3 nm。基于光波导理论结合器件结构分析得出,在传统液晶盒中引入SU-8光栅结构增强了液晶器件的光波导效应,是获得多波长激光辐射谱的主要原因。     

基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法

为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。     

组合跳变随机平移宽间隔混沌跳频序列设计

为进一步提高宽间隔跳频序列的性能,基于混沌跳频序列,针对随机平移替代法存在的“窄点”平移与序列平衡性的矛盾问题,提出了一种新的组合跳变随机平移法。该方法在随机平移替代法的基础上取消“窄点”修正,引入组合跳变序列控制频点宽间隔映射。为兼顾组合跳变随机平移法产生序列的平衡性、汉明自相关性和宽间隔特性,构造了跳频序列的复合目标优化函数,引入粒子群算法计算得到最优的序列控制参数。仿真结果表明,组合跳变随机平移法可构造更多的序列,且产生的宽间隔混沌跳频序列具有更好的平衡性、汉明相关性和复杂度,采用粒子群优化获取的控制参数可以实现序列性能的均衡最优。     

TETRA通信与干扰信号智能识别技术

陆上集群无线电(Terrestrial Trunked Radio,TETRA)数字集群通信系统因其开放性易受到内外部电磁干扰。干扰信号的类型多种多样,针对不同的干扰样式,采取的抗干扰措施也各不相同,因此干扰信号的识别具有重大意义。基于此,提出了一种干扰信号智能识别技术。该技术首先对受到不同干扰后的TETRA音频数据进行特征提取,并筛选出具有分类能力的特征,其次使用决策树、支持向量机和随机森林3种分类模型对特征提取后的待测试信号进行智能分类识别。实验结果表明,使用的这3种模型能够有效判断TETRA系统中的信号是否受到干扰,以及受到何种样式的干扰,可为后续TETRA系统中的信号干扰识别提供参考。