ON CERTAIN CLASS OF MEROMORPHIC FUNCTIONS WITH POSITIVE COEFFICIENTS

In the present investigation we define a new class of meromorphic functions on the punctured unit disk △*:= {z ∈ C : 0 < |z| < 1} by making use of the generalized Dziok-Srivastava operator H l m [α1 ]. Coefficient inequalities, growth and distortion inequalities, as well as closure results are obtained. We also establish some results concerning the partial sums of meromorphic functions and neighborhood results for functions in new class.     

由从属关系定义的亚纯多叶函数的子类的某些性质

In the present paper, we introduce some new subclasses of meromorphic starlike,convex, close-to-convex and quasi-convex functions of β-reciprocal in terms of the linear operator using subordination. We obtain the coefficient estimates, convolution properties, integral preserving properties and inclusion relationships of the classes. The results presented here include several results as their special cases.     

叠加训练序列设计及其高效传输技术研究

采用训练序列与信息数据叠加的传输方案由于消除训练序列占用的频带开销而受到广泛关注。然而,如何高效的分离叠加信号是实现高效信道估计和可靠检测的基础。通过叠加周期训练序列,研究了基于数据依赖的叠加训练(DDST)方案的高效信道估计和检测方案。并结合信道编码技术,研究了编码条件下DDST方案与传统时分复用(TDM)方案的性能。仿真结果表明,在消除训练带宽开销的情况下,获得DDST方案与TDM的误码率基本保持一致。     

基于FPGA的高阶FIR滤波器设计

对于高阶FIR滤波器,由于运算量较大,采用软件等方式无法达到实时处理的要求。文中提出了采用FPGA实现快速卷积结构的高阶FIR滤波器,推导出将大点数FFT分解为二维FFT变换的公式。根据上述理论在采用Verilog HDL语言设计了基于一维转二维FFT的快速卷积结构高阶FIR滤波器。实验表明,该基于FPGA的高阶FIR滤波器具有精度高、速度快、资源消耗少、调试方便、易于集成等优点,并可达到工程实践的要求。     

A macroscopic model for an intermediate state between type‐I and type‐II superconductivity

A vectorial nonlocal and nonlinear parabolic problem on a bounded domain for an intermediate state between type‐I and type‐II superconductivity is proposed. The domain is for instance a multiband superconductor that combines the characteristics of both types. The nonlocal term is represented by a (space) convolution with a singular kernel arising in Eringen's model. The nonlinearity is coming from the power law relation by Rhyner. The well‐posedness of the problem is discussed under low regularity assumptions and the error estimate for a semi‐implicit time‐discrete scheme based on backward Euler approximation is established. In the proofs, the monotonicity methods and the Minty–Browder argument are used. © 2015 Wiley Periodicals, Inc. Numer Methods Partial Differential Eq 31: 1551–1567, 2015     

基于近场时域谱的紧缩场口径优化设计

根据口径近场的时域谱,可以在全频段评估口径的绕射特征,从而建立紧缩场口径设计的一般准则.在X波段8～12GHz,计算了几种限度为5m×5m口径的近场时域谱.计算结果表明,在紧缩场设计中,为降低边缘绕射场电平,方口径优于圆口径,理想多项式锥削优于余弦锥削和均匀分布.提出两种工程化的边齿设计方法,在口径场均匀分布条件下,近场时域干扰谱分量均低于-25dB.口径近场计算均采用口径场卷积法.     

时域下初始状态转换为激励

在信号与系统教科书中一般认为,复变换域中利用单边z变换或单边拉氏变换可以求解系统的零输入响应和零状态响应,而时域中的卷积运算只能求零状态响应。这是不全面的。本文通过在时域下将系统初始状态转换为激励信号,从而使得利用卷积运算不仅能够计算零状态响应而且可以求解完全响应和零输入响应。它使得时域分析更全面,丰富了时域分析的内容。也使得学生更好的理解时域分析的核心是卷积运算。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。