距离深度域最小二乘矩阵滤波器的设计与应用

本文通过最小二乘原理设计出针对拷贝向量进行处理的矩阵滤波器,给出了其详细的推导过程。它可用于距离深度域上的预滤波,在抑制阻带干扰的同时,保证通带信号尽可能不失真。设计过程中发现根据最小二乘原理设计矩阵滤波器比二阶锥规划等其他寻优方法更快捷。最小二乘矩阵滤波器除了能在保证通带尽量不失真的前提下达到很好的阻带抑制效果之外,还可以在任意距离深度设定通、阻带,尤其适用于阵列在探测过程中抑制强干扰对于弱目标源的影响。     

平均熵

设Ｔ为紧度量空间Ｘ上的连续自映射,ｍ为Ｘ上的Ｂｏｒｅｌ概率测度,通过把测度（拓扑）摘局部化,引入了Ｔ关于ｍ的平均测度（拓扑）熵的概念,它们分别为相应ｍ－测度（拓扑）混沌吸引子熵的加权平均,从而Ｔ关于ｍ的平均测度（拓扑）熵大于零当且仅当Ｔ有ｍ－测度（拓扑）混沌吸引子．证明了线段Ｉ上关于Ｌｅｂｅｓｇｕｅ测度平均拓扑熵大于Ｃ与等于零的连续自映射都在Ｃ０（Ｉ,Ｉ）中稠密．     

频域盲源分离与波束形成结合抑制方向性强干扰方法

针对方向性强干扰严重影响无源声呐弱目标检测的问题,提出了频域盲源分离与波束形成结合的干扰抑制方法:以子带分解的方法实现宽带干扰抑制。对每个子带进行频域盲源分离,并估计出各分离信号的方位,将与给定强干扰方位匹配的分离信号置零,利用估计的解混矩阵和处理后的分离信号重构回阵元域信号并进行波束形成实现目标方位估计。声呐模拟器数据与海试数据验证结果表明,相对于传统零陷常规波束形成与零陷最小方差无失真响应波束形成方法有2 dB以上的增益,约6 dB的背景级降低,证明该方法在抑制方向性强干扰方面是有效的。      

一簇Lorenz映射的混沌行为与统计稳定性

该文研究一簇Ｌｏｒｅｎｚ映射犛犪：［０,１］→［０,１］（０＜犪＜１）犛犪（狓）＝狓＋犪　狓∈ ［０,１－犪）｛（狓＋犪－１）／犪　狓∈ ［１－犪,１］．从拓扑的角度考虑了犛犪的混沌行为,证明了：犛犪有稠密轨道;犛犪的周期的集合犘犘（犛犪）＝｛１,犿＋１,犿＋２,…｝,其中犿为使犪犿＜１－犪成立的最小正整数;犛犪的拓扑熵犺（犛犪）＞０;几乎所有（关于Ｌｅｂｅｓｇｕｅ测度）的点狓的Ｌｙａｐｕｎｏｖ指数λ（犛犪,狓）＝λ犪＞０．从统计的角度讨论了犛犪的稳定性．我们用下界函数方法证明了犛犪是统计稳定的,并且狌犵犪（犃）＝∫犃犵犪（狓）ｄ狓（犃∈犅）为犛犪的唯一绝对连续（关于Ｌｅｂｅｓｇｕｅ测度）不变概率测度．同时,不变密度犵犪在参数扰动和随机作用的随机扰动下是稳定的．     

吉普-加油站问题

利用最优序列方法研究了吉普－加油站问题,确定了单向行驶吉普－加油站问题和往返行驶吉普－加油站问题的最优序列。     

FRACTAL PROPERTIES OF STATISTICALLY SELF-SIMILAR SETS

1IntroductionIn1981,J.E.Hutchinson[1]establishedthebasictheoryof(strictly)selfsimilarsets.Foragivenset(={S1,'',SN}ofcontractionmapsonacompleteseparableboundedmetricspaceN(X,d),thereexistsauniquecompactsetKsuchthatK=ZSi(K),andKistheclooureofi=1thesetofallfixedpointssi,,..-,iPoffillitecompositionsSi,o''oSi,(wesayKistheselfsimilarNsetwithrespectto().Illaddition,supposep1,-'tPNE(o,1)andZpi=l,thenthereexistsi=1NauuiqueBorelregularmeasurepoftotalmass1suchthatp=Zpipos;'withsuppp=Ki=1(we…     

CHERISHING THE MEMORY OF ACADEMICIAN LI GUOPING （LEE KOWK-PING）

<正>November 15, 2010 is the memorial day of the 100th anniversary of Academician Li Guoping’s birthday. We studied under guidance of Professor Li for decades and learnt a lot from his     

数据流的非平稳性度量——纪念李国平院士吴新谋教授诞辰100周年

该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题. 引入了数据流的非平稳性度量的概念, 给出了数据流非平稳性度量的有效的近似算法. 数据流的非平稳性度量为该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题. 引入了数据流的非平稳性度量的概念, 给出了数据流非平稳性度量的有效的近似算法. 数据流的非平稳性度量为该文融合遍历论、粗粒化方法和信息论的观点研究数据流的非平稳性度量问题. 引入了数据流的非平稳性度量的概念, 给出了数据流非平稳性度量的有效的近似算法. 数据流的非平稳性度量为$0$和$1$之间的实数,平稳性较好的数据流的非平稳性度量较小. 作者将数据流的非平稳性度量应用到模型选择问题中,提出残差序列非平稳性度量最小化的模型选择标准. 作者用数值试验检验了该文提出的数据流非平稳性度量的近似算法, 并检验了其作为模型选择标准的能力.数值试验的结果表明, 非平稳性度量是衡量数据流非平稳程度的一个合理指标, 可以很好地区分趋势平稳数据和差分平稳数据, 区分独立同分布序列、白噪声序列和鞅差序列.     

离散系统的随机作用随机扰动

（Ｘ,Ａ,ｕ）为σ－有限测度空间,Ｓ：Ｘ→Ｘ为非奇异映射,Ｐｓ为Ｓ所对应的Ｆｒｏｂｅｎｉｕｓ－Ｐｅｒｒｏｎ算子。Ｓ在随机作用随机扰动下的演化过程由方程ｘｎ＋１＝ηｎＳ（ｘｎ）＋（１－ηｎ）ξｎ ｎ＝０,１,２,…所描述,其中ξ０,η０,ξ１,η１,…为相互独立随机变量,ｐｒｏｂ（ηｎ＝１）＝１－ε,ｐｒｏｂ（ηｎ＝０）＝ε,ξｎ具有相同概率密度ｇ（ｘ）。本文借助于弱预紧性和遍历平均Ａｎｇ＝１ｎ∑ｎ     

基于频谱相关的时域盲分离排序算法

由于水声信道的时变性,水声信号分离后存在排序模糊性,限制了盲分离算法的应用.针对盲分离后信号存在排序模糊性的问题,提出了一种基于频谱相关的盲分离排序算法.根据水声环境中各信号的频谱差异,对分离后信号进行重新排序,来改善盲分离算法的排序模糊性.仿真实验表明,该算法可以有效消除分离信号的顺序不确定性,提高盲分离算法的性能.