双调和型抛物方程的Schauder估计

该文给出了双调和型抛物方程初值问题解的Schauder估计,并且在适当的空间中证明了解的存在性与惟一性.类似于二阶情形,首先通过Fourier变换得到一个形式解,然后再利用位势理论和逼近方法得到解的正则性、唯一性及存在性.该方法简单而易懂.

热传导方程解的部分Schauder估计

该文主要研究热传导方程的解u的部分正则性,得到了u的部分Schauder估计的积分形式的统一表达式,即当非齐次项f关于某一个方向Lipschitz连续,Hlder连续或者Dini连续时,部分Schauder估计均可由该表达式推出.特别地,当方程的非齐次项f沿x_n方向Hlder连续时,混合偏导数u_(xxn)是Hlder连续的.

Heisenberg群中Kohn-Laplace方程的Schauder估计

研究了Heisenberg群H^n中的Kohn-Laplace方程,用一个简单的方法证明了该方程的Schauder估计.

Schauder估计的一个新证明

应用扰动系数法,将具有Hlder连续系数的方程看成是常系数方程的扰动,给出了二阶椭圆型偏微分方程Schauder估计的一个新证明.由于采用了比原来简单的范数,得到的结果就更容易在正则理论中得到应用。

抛物型Baouendi-Grushin Laplace方程解的Schauder估计

本文研究了一类退化抛物Baouendi-Grushin Laplace方程。通过构造与Baouemdi-Grushin向量场相对应的抛物Carnot-Carathéodory度量,利用嵌入定理和紧方法来证明方程解的Schauder估计。

热传导方程解的Schauder估计

本文主要通过一种类似于紧方法的新方法来研究热传导方程解的Schauder估计。

二阶椭圆与抛物方程的偏Schauder估计

Schauder估计是偏微分方程正则性理论的主要结论之一,它在研究非线性方程解的存在唯一性中起到了非常重要的作用.关于各向异性方程的偏Schauder估计是近年来的研究热点之一,本文旨在介绍几类二阶椭圆和抛物方程的偏Schauder估计及其证明思路.本文还给出了散度型椭圆方程偏Schauder估计的一个新的证明.

一类一阶椭圆型方程组的Schauder估计

考察在两维平面上,当边界并非光滑的情况下,一类一阶椭圆型方程组的边值问题.采取了Schauder估计的方法,选取一种加权的Hlder范数,通过将一阶椭圆组化为二阶的形式,利用二阶椭圆方程相关结果,得到了方程组的正则性和Fredholm型可解性结果.

基于轻型自限制注意力的结构光相位及深度估计混合网络

相位提取与深度估计是结构光三维测量中的重点环节,目前传统方法在结构光相位提取与深度估计方面存在效率不高、结果不够鲁棒等问题。为了提高深度学习结构光的重建效果,本文提出了一种基于轻型自限制注意力(Light Self-Limited-Attention,LSLA)的结构光相位及深度估计混合网络,即构建一种CNN-Transformer的混合模块,并将构建的混合模块放入U型架构中,实现CNN与Transformer的优势互补。将所提出的网络在结构光相位估计和结构光深度估计两个任务上进行实验,并和其他网络进行对比。实验结果表明:相比其他网络,本文所提出的网络在相位估计和深度估计的细节处理上更加精细,在结构光相位估计实验中,精度最高提升31%;在结构光深度估计实验中,精度最高提升26%。该方法提高了深度神经网络在结构光相位估计及深度估计的准确性。

锂离子电池健康状态估计及寿命预测研究进展综述

随着锂离子电池的应用越来越广泛,锂电池健康状态的精确估计和剩余寿命的实时预测对于锂电池系统的安全运行和降低运维成本具有重要意义。锂电池内部复杂的物理化学反应和外部复杂工作条件,使得实现精准的健康状态估计和寿命预测具有挑战性。该文综述近年来锂电池健康状态估计和剩余使用寿命预测方法的研究现状,分析基于物理/数学模型、数据驱动、模型法和数据驱动融合,以及多种数据驱动融合的锂电池健康状态估计方法的优缺点及适用条件,并对比分析不同数据驱动类型的锂电池寿命预测方法。指出锂电池健康状态估计及寿命预测尚存在的问题,并对未来研究方向进行展望,对完善锂电池健康状态估计和寿命预测算法理论体系、指导实际应用技术具有重要意义。

基于多新息最小二乘和多新息扩展卡尔曼滤波算法的锂电池SOC估计

针对现有SOC(荷电状态)估计方法中电池模型参数恒定,没有考虑电池模型参数的动态变化,导致SOC的估计不够精准的问题,文中提出了一种基于电池模型参数在线辨识与SOC估计联合的算法。在二阶RC等效电路模型基础上,采用多新息最小二乘(Multi Innovation Least Squares,MILS)算法对锂离子电池模型中的参数进行在线辨识,从而对电池模型进行实时修正;同时基于修正后的电池模型,采用多新息扩展卡尔曼滤波(Multi Innovation Extended Kalman Filter,MIEKF)算法对电池荷电状态进行估计。MILS算法可以解决在线参数辨识过程中的初始误差累积问题,能够实现模型参数的在线精准辨识,MIEKF算法融合了多新息理论和卡尔曼滤波理论,加入了遗忘因子以削弱历史数据并修正权重,解决了数据过饱和问题,具有较高的准确性和收敛性。实验结果表明,在对电池模型进行参数辨识时,MILS算法、RLS算法辨识的均方根误差分别为1.4、1.9 mV,MILS算法相比RLS算法的估计精度提高了26.3%;对于参数辨识后SOC的估计,MIEKF算法估计的均方根误差为0.0037,EKF算法、AEKF算法估计的均方根误差分别为0.0073、0.0052,MIEKF算法比EKF算法的估计精度提高了49.31%,比AEKF算法的估计精度提高了28.84%;并且在给定SOC初值错误的情况下,文中所提出算法在电池开始工作后30 s左右就能够收敛到真实值,是一种精度高而且鲁棒性好的有效估计方法。

基于Transformer的三维人体姿态估计及其动作达成度评估

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了一个基于Transformer的三维人体姿态估计模型(TPEM),Transformer的引入能够更好的提取人体姿态的长时序特征;其次,利用TPEM模型对三维人体姿态估计结果,设计了基于加权3D关节角的动态时间规整算法,在时序上对不同人物同一动作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据集上进行实验验证,TPEM在Human3.6 M数据集上实现了平均关节点误差为37.3 mm,而基于加权3D关节角的动态时间规整算法在Fit3D数据集上的平均误差帧数为5.08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性和有效性。

基于深度学习的二维人体姿态估计研究进展

人体姿态估计在人体行为识别、人机交互、体育运动分析等方面有着广泛的应用前景,是计算机视觉领域的一个研究热点。在最近的十年中,得益于深度学习技术,大量的研究工作极大地推动了人体姿态估计技术的发展,但由于受训练样本不足、人体姿态的多变性、遮挡、环境的复杂性等因素影响,人体姿态估计仍然面临着诸多的挑战。文中对近年来基于深度学习的2D人体姿态估计方法进行归纳和总结,着重分析一些有代表性的人体姿态估计方法的思路及工作原理,以便研究人员了解当前的研究现状、面临的挑战以及今后的研究方向,拓展研究思路。

基于边缘计算的高速光纤通信链路时延估计研究

由于未对接收信号进行去噪处理,导致光纤通信链路时延估计存在估计误差大、准确率低的问题,为了解决方法中存在的问题,提出基于边缘计算的高速光纤通信链路时延估计方法。通过边缘计算设计了高速光纤通信网络架构,基于网络架构中的边缘计算层,通过直射链路的方式构建高速光纤通信链路模型,接收光信号,并使用广义相关算法对接收到的信号进行去噪处理,根据去噪处理结果,结合卡尔曼滤波方法与Round-trip算法估计信号时延。实验结果表明,所提方法的高速光纤通信链路时延估计准确率高、效果好,具有较高的实际应用价值。

基于空时级联单脉冲的多目标高效参数估计算法

比幅单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲概念引入脉冲域,利用时域单脉冲计算目标速度,避免了ACM-ML算法中对速度的迭代搜索,将2维松弛迭代搜索降为1维搜索,有效降低了计算复杂度。考虑时域单脉冲无法同时匹配分布在不同时域主波束的速度各异的多个检测目标,进一步利用目标信号的多普勒信息,在各多普勒单元分别进行时域单脉冲测速,并搜索目标距离值。最后为抑制目标间的信号泄露,将所有目标的估计参数进行级联迭代获得高精度参数估计值。理论分析和仿真结果验证了M-STCMP算法的有效性。

基于可重构智能表面的二维高精度角度估计方法

可重构智能表面(Reconfigurable Intelligent Surface)因其提高频谱和能量使用效率、成本低等特点,被认为是未来无线通信和目标感知的关键性技术。RIS在平面上集成了大量低成本的无源反射元件,通过连接RIS的智能控制器,可以控制入射到这些可重构元件的信号的相位和幅度,从而重新配置入射信号的传播。波达方向(Direction of Arrival)估计问题是实现目标感知的重要组成部分,而RIS因其能够重新配置信号的特性被用来提高DOA估计的准确性。然而,在实际使用RIS时,由于元件之间的距离小于半波长而引起的互耦效应以及无法完美控制反射过程导致的反射失配(反射相位和幅度误差)等问题会严重影响RIS的性能。本文针对基于RIS系统的二维DOA估计问题,建立了考虑互耦效应和反射失配的RIS系统模型;并基于该模型,提出了一种新的二维角度估计方法用于DOA估计。该方法首先通过深度神经网络(Deep Neural Network)将RIS接收的信号进行重构,以降低互耦效应和反射失配的影响,再进一步使用非线性最小二乘法(Nonlinear Least Square)进行高精度的DOA估计。本文通过仿真验证了算法的估计性能,并与快速傅里叶变换(Fast Fourier Transformation)、正交匹配追踪(Orthogonal Matching Pursuit)等传统方法进行比较,结果表明相对于快速傅里叶变换、正交匹配追踪等传统方法新算法具有更好的估计性能。

基于GPD理论和百分位数阈值法的轮轨力极值估计与动力系数研究

在高速铁路无砟轨道结构设计和检算时,列车荷载设计值是关键的设计参数之一。基于GPD理论,研究全波段不平顺激励下的轮轨力极值估计方法,并与脉冲激励下的结果对比,为无砟轨道结构设计和相关规范的完善提供依据。结果表明:采用百分位数法选取阈值时,应对样本分簇以提高样本之间的独立性和轮轨力极值估计的精度;提出结合百分位数阈值的形状参数筛选法进行轮轨力极值估计,确定了每簇样本量大小和形状参数区间;样本量宜取3×10^(5)~5×10^(5)个,百分位数阈值宜取50%~98%,且以轮轨力极值估计值的均值作为最终的轮轨力极值估计值;列车速度为250~400 km/h的列车荷载设计值动力系数分别为2.2、2.4、2.6和2.8。

基于车联网大数据的重型货车载重估计方法

针对当前货车载重计算方法普遍存在的成本高昂及泛化性能不明确的问题,提出一种创新的重型货车载重估计方法,方法融合了车辆行驶动力学理论与机器学习算法,通过有监督学习,利用高速通行大数据对模型进行训练与验证.首先采用聚类分析,确定车辆空、半、满载判断阈值,为后续的计算提供了重要依据.随后,利用随机森林算法训练分类模型,用以判断车辆在一段行驶过程中的基本载重情况.在此基础上,进一步在车辆行驶数据中筛选出稳定行驶的小片段,根据车辆系统动力学理论,对这些小片段车重进行计算.最后,根据载重状态的判断结果,对小片段车重结果进行筛选与计算,得到最终车辆载重计算结果.研究表明,在高速通行大数据的验证下,该方法对于空载及满载状态下趟次车重计算结果的整体平均绝对百分比误差(mean absolute percent error,MAPE)均可控制在10%以内,展现了较高的准确性.相比于现有技术,由于该方法无需安装额外传感器,对数据采集、存储、运算设备的要求也相对较低,因此在成本方面具有显著优势.在交通监管、物流运输、基于大数据的产品开发方面具有快速广泛推广的潜力.

L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

基于光流估计的“珠海一号”高光谱卫星遥感数据的固体废弃物识别方法——以河南省济源示范区为例

本文提出了一种基于光流估计的高光谱卫星遥感数据的固体废弃物识别方法。首先,从序列数据的角度看待高光谱数据,引入DeepFlow光流估计技术提取光谱维度的亮度变化信息,作为更具判别性的光谱运动特征;然后,将提取的光谱运动特征与原始光谱特征相结合后输入至常用的支持向量机进行固废识别;最后,进一步提出固废识别后处理方法改善识别效果,并利用“珠海一号”高光谱卫星遥感数据,以河南省济源示范区为研究区展开试验。试验结果表明,本文方法能够对露天堆放的工业固体废弃物进行大范围的快速精准识别,初步锁定济源示范区内存在固废遗留和违规堆放行为的11个地域风险点,且识别精度优于传统的光谱特征提取和分类方法,为后期人工现地勘察固废和“清废”行动显著节省了时间和工作量。