基于θ方法的波形松弛方法的A稳定

描述芯片或电力系统运行规律的常用数学模型是高维微分代数方程组,其中的微分方程组太大,线性多步法和Runge-Kutta法等经典数值方法均不能有效求解。为求解这些微分方程组,借鉴常微分方程经典数值方法的A稳定定义,提出了波形松弛方法A稳定(强A稳定),给出了基于θ方法的波形松弛方法A稳定(强A稳定)和非A稳定的条件,以及几个支持理论结果的数值算例。研究结果表明WR方法并非天然继承底层方法的A稳定性,为使波形松弛方法A稳定,需要使用A稳定的底层方法和适当的分裂函数,这为刚性方程WR方法的构造奠定了理论基础。此外,借鉴经典数值方法的B稳定定义,提出了波形松弛方法的B稳定(强B稳定),给出了波形松弛方法强B稳定的条件。

高精度A稳定隐式调谐Taylor级数法在电力系统中的应用

数值计算方法的稳定性和精度是判断一个算法优劣的重要指标。随着电力系统不断发展,对暂态稳定算法的稳定性和计算精度提出了更高的要求。隐式Taylor级数法具有良好的计算精度,但是稳定性比较差。为了提高隐式Taylor级数法的数值稳定性同时又不降低计算精度,本文通过改变隐式Taylor级数法参数的数值,得到了具有A稳定性的高精度隐式Taylor级数算法的计算格式。从理论上证明了在展开式为N阶时该隐式调谐Taylor级数法具有A稳定性同时计算精度也提高到2N阶,并对隐式调谐Taylor级数法的计算速度进行了分析。仿真结果表明该方法在高阶时仍可以保持良好的稳定性和计算精度,该方法可以使用较大的积分步长,能够适应较长动态过程仿真计算。

对称a稳定分布中预处理的分数低阶协方差时差估计

该文针对传统算法中预处理函数类型有限,对预处理函数所带来的性能改进分析不足及分数低阶协方差时差估计算法精度不够高的缺点进行改进,提出一类预处理函数,指出其需要满足的一组条件;并理论推导得到接收信号通过任意满足该组条件的函数处理后,其分数低阶协方差的方差减小且是无偏估计,从而提高了分数低阶协方差的峰值检测精度,提高了时差估计精度。最后提出了两种满足条件的预处理函数,仿真验证了在对称a稳定分布噪声中该文算法提高时差估计精度的有效性及在高斯噪声环境下的适用性。

城镇污水处理系统一级A稳定达标及节能降耗关键技术

一、立项背景 根据《城镇污水处理厂污染物排放标准》（GB18918—2002）及2006年修改要求，重点流域城镇污水处理厂需执行GB18918-2002一级标准A标准，这意味着重点流域城镇污水处理厂不但要具备较高的SS、BOD5、COD去除能力，还必须具备较高的氮磷营养物、特殊微量污染物和病原微生物去除能力．大量已建城镇污水处理厂面临着工程改造和运行管理模式的变更．对工艺技术和管理模式提出了新的研究课题。

θ型波形松弛方法A稳定的新条件

波形松弛(WR)方法是求解高维弱耦合微分方程组的有效方法,由于很多实际问题的模型是刚性微分方程,这需要所使用的WR方法有很好的稳定性,而A稳定正是这样的性质.关于WR方法A稳定性的研究很少,最近我们研究了θ型WR方法的A稳定,给出了几个充分条件,但其对WR方法A稳定和分裂方式的关系的描述不够清晰.本文给出了A稳定的新条件,这些条件描述了表示分裂方式的角度所满足的条件,更好地阐明了WR方法的分裂方式对其A稳定的影响方式.

分数代阶α稳定分布及其应用中的若干问题

α稳定分布模型是一种包含高斯分布,但具有更广泛适用性的随机分布模型,文中在简要介绍α稳定分布及分数低阶统计量的概念和特性的基础上,研究了在分数低阶α稳定分布条件下进行信号处理需要解决的几个问题,并给出了相应的结果。

单滞后区间动力系统的稳定性

本文研究如下单滞后时变区间动力系统ｘ（ｔ）＝Ｎ［Ｐ，Ｑ］ｘ（ｔ）＋Ｎ［Ｃ（ｔ），Ｄ（ｔ）］ｘ（ｔ－τ），τ≥０的渐近稳定性和α稳定性，给出了其渐近稳定和α稳定的充分条件，推广和改进了文［１，２］的工作．

利用α稳定分布的小波域SAR图像降斑算法

提出了一种改进的合成孔径雷达(SAR)图像α-MAP降斑算法,通过采用厚尾α稳定分布和引入噪声方差调整系数的方法,可以获得更好的降斑和纹理保持效果,同时应用平稳小波分解来解决Gibbs效应引入的伪噪声问题。最后通过对实际SAR图像的降斑处理,对本文的算法与最新的小波软阈值算法以及传统的局部自适应滤波器在性能参数和滤波效果上做了全面的比较。试验表明本文的算法更具适应性,实现了降斑与纹理保持更有效的综合滤波,在性能参数和复原图像效果上都有较好的表现。

Λ-稳定秩条件下一个基本Eichler变换的存在性

设(A,Λ)是一个型环,U(M)表示型环(A,Λ)上的二次型空间(M,q)的自同构群(即酉群)。利用A.Bak和唐国平在[1]中引入的一种比酉稳定秩条件与绝对稳定秩条件都弱的Λ-稳定秩条件,在Witt指数n≥max{ΛS(A,Λ)+1,3}的条件下,借鉴[2]中定理1的方法,证明了在Λ-稳定秩条件下酉群U(M)的子群H中存在一个基本Eichler变换,这里要求子群H被基本子群EU(M)正规化且包含一个非中心元。

中立型多延时微分代数系统线性多步法的渐近稳定性(英文)

文章讨论了用线性多步法求解线性中立型多延时微分代数系统的渐近稳定性.通过分析相应的特征方程根的性质,得出一个线性多步法渐近稳定的充分条件:线性多步法是A稳定的,并且它的第二特征多项式的根的模不等于1.

A－稳定等价于B－收敛

本文对线性多步法证明了Ｂ－收敛蕴含Ａ－稳定，从而Ａ－稳定等价于Ｂ－收敛。对于单支方法则Ａ－稳定、Ｇ－稳定、Ｂ－收敛三者等价。

冲击噪声环境中最小“几何功率”误差波束形成算法

本文提出一种适用于任意未知统计特性的代数拖尾冲击噪声(包含所有对称α稳定分布噪声)环境下的波束形成算法.算法利用输出信号和参考信号之间"几何功率"误差的最小化来求解最优权向量."几何功率"误差定义成误差信号的对数矩的形式.我们采用迭代复加权最小二乘估计来求解最小"几何功率"误差波束形成权向量.与基于最小分数低阶误差波束形成算法相比,最小"几何功率"误差波束形成算法计算更为简单;不需要噪声特征指数的先验信息或估计;适用于更广的冲击噪声环境;具有更小的估计误差.计算机仿真验证了算法的有效性.

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解(RAED)时延估计方法,扩展了自适应特征值分解(AED)时延估计方法的使用环境.该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数(广义NLM P)方法自适应得到该特征向量,从而获得时延估计.计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性.

基于快速Myriad滤波方法的地震数据去噪

Myriad滤波是一种针对非高斯脉冲噪声而提出的非线性滤波方法。基本Myriad滤波方法的运算量受窗口长度的影响,窗口取得越长,运算量也越大;改进的快速Myriad滤波方法实现简单,执行效率高。在方法原理介绍的基础上,假设地震噪声服从α稳定分布,将快速Myriad滤波方法应用于地震数据的去噪处理试验,并分别与均值滤波方法和中值滤波方法进行了对比。理论模型数据测试和实际叠前地震资料应用的结果都表明,快速Myriad滤波方法不仅对脉冲噪声具有很强的抑制能力,而且能有效地保护数据中的有用信息,其性能远远优于同窗口长度的均值滤波和中值滤波方法,滤波后地震数据的信噪比明显增强。

基于SaS过程的分数低阶时频自回归滑动平均模型参数估计及时频分布

针对SaS过程下时频自回归滑动平均(TFARMA)模型分析方法的退化,该文用分数低阶共变取代二阶相关提出了分数低阶时频自回归滑动平均(FLO-TFARMA)模型的概念,并推导了模型参数的求解方法。在此基础上,给出了FLO-TFARMA模型时频谱估计算法,和已有的TFARMA模型时频谱算法进行了详细的比较。计算机仿真结果表明,在SaS过程环境下,所提出的FLO-TFARMA时频谱明显优于TFARMA时频谱,尤其是当参数a较小时,FLO-TFARMA时频谱优势更明显。

基于分数低阶矩的非整数时间延迟估计方法

依据信号的噪声特性和分数低阶矩理论,提出一种基于最小平均p范数的非整数时间延迟估计方法(称为LMPFTDE算法)。该算法是对直接估计非整数采样间隔的时间延迟估计算法(ETDGE)的广义化,运用最小分散系数准则,通过使误差的p阶矩最小得到非整数时间延迟估计值。理论分析和计算机仿真结果都表明该方法不仅可以在高斯噪声环境下工作,而且在脉冲噪声下也具有良好的健壮性。

核呼吸因子-1:细胞核调控线粒体功能的一种重要因子

核基因组和线粒体基因组之间的相互作用,以及它们调控呼吸链亚基表达的机制,一直是国内外学者研究的热点问题。核转录因子的发现,使细胞核调控线粒体呼吸链亚基表达机制的研究得到很大发展。核呼吸因子-1(nuclearrespiratoryfactor1,NRF-1)是一种由核基因组编码的,调控呼吸链亚基表达以及mtDNA转录和复制的核转录因子。该文就NRF-1的发现、调控呼吸链亚基表达、在胚胎期维持mtDNA稳定等功能作一介绍。

脉冲噪声下数字调制信号的自适应解调

提出基于自适应滤波解调α稳定分布脉冲噪声下的常规数字调制信号的方法。采用归一化最小平均p范数自适应滤波算法的自适应滤波器,跟踪信号任一码元间隔内的单一频率,根据自适应滤波器权值的收敛值可以解调相应的码元。计算机仿真结果表明,此自适应滤波解调方法性能优越,抗脉冲干扰强,同时算法计算速度快,易于实现,具有很好的实用价值。

基于反正切变换的变步长自适应加权时延估计算法

依据脉冲噪声环境的特性,结合变步长、加权及非线性变换的思想,提出一种新的α稳定分布下的自适应加权时延估计算法.仿真结果表明,新算法解决了传统算法由于固定步长取值不当所导致的性能劣化问题,同时改善了传统自适应加权算法的局限性,适用于α的整个取值范围,表现出良好的韧性.

非高斯噪声环境中基于梯度范数的自适应滤波算法

针对传统最小均方类算法在非高斯噪声中自适应滤波性能下降的问题,提出了一种基于梯度范数的变步长归一化最小平均p范数算法。算法将α稳定分布作为非高斯噪声分布模型,依靠梯度范数与均方权值偏差(MSD)的关系自适应调整步长,加快收敛速度的同时减小稳态误差,理论推导证明了算法的有效性。仿真结果表明,在非高斯噪声条件下,该算法具有更好的收敛性能和抗突变能力以及更小的稳定误差。