HYPONORMALITY OF BLOCK TOEPLITZ OPERATORS ON THE WEIGHTED BERGMAN SPACES

In this paper we consider the block Toeplitz operators TФ on the weighted Bergman space A2α（D, Cn） and we give a necessary and sufficient condition for the hyponor-mality of block Toeplitz operators with symbol in the class of functions Ф=F ＋ G＊ withmatrix-valued polynomial functions F and G with degree 2.

Block dual Toeplitz Operators on the Orthogonal Complements of Fock Spaces

In this paper,we characterize the boundedness and compactness of the block dual Toeplitz operators acting on the orthogonal complement of the Fock spaces,and the compactness of the finite sum of two dual Toeplitz operators products.The commutator and semi-commutator induced by the block dual Toeplitz operators are considered.

基于稀疏贝叶斯学习的雷达目标成像技术

利用傅立叶变换进行雷达目标成像,分辨率受瑞利准则的限制;超分辨成像技术能显著改善雷达图像的分辨率,但算法的复杂性急剧增加并且正则化参数不易选取。以稀疏贝叶斯学习为基础,针对雷达成像系统的结构特点,提出了一种基于快速傅立叶变换(FFT)和分块托普里兹(Toeplitz)系统的快速超分辨成像算法。算法无需存储系数矩阵,极大地降低了存储量和运算量。进一步,通过寻找拟合误差曲线和稀疏性度量函数曲线的交点实现了正则化参数的方便选择。仿真结果表明,算法对雷达目标图像具有良好的分辨率增强能力。

基于稀疏信号表示的雷达目标成像技术

雷达目标成像本质上是对雷达目标散射特性进行信号表示的过程。在高频区,雷达目标散射特性可用少数几个散射中心来描述,利用散射中心稀疏分布的先验信息能有效增强雷达图像的分辨率。以稀疏信号表示为基础,针对雷达成像系统的结构特点,提出了一种基于FFT和分块Toeplitz系统的快速成像算法。该算法无需存储系数矩阵,极大地降低了存储量和运算量。仿真结果表明,该技术对雷达目标图像具有良好的分辨率增强能力。

基于敏感性分析的协方差随机子空间方法参数优化

在工作模态分析中,结构模态的准确识别在包括结构健康监测在内的许多应用中至关重要。该文基于敏感性分析,研究了模型系统阶数N和Toeplitz矩阵行块数i在协方差驱动随机子空间法(covariance-driven stochastic subspace identification,SSI-Cov)中对模态识别结果的影响规律。结合一经典数值算例及藏式古城墙现场实测数据对SSI-Cov算法的参数优化进行了分析。根据奇异熵增量理论对系统阶数进行识别;利用Toeplitz矩阵或系统矩阵的条件数及识别结果的变异系数对Toeplitz矩阵行块数的选择进行研究,并给出参数取值建议。研究结果表明:Toeplitz矩阵或系统矩阵的条件数越小计算结果精度越高;识别频率、阻尼比的变异系数越小,对应的模态稳定图质量越好。通过奇异熵增量理论可准确识别结构的系统阶数,奇异熵增量的一阶灵敏度降至0时对应的阶数即为系统阶数N。Toeplitz矩阵行块数i的建议取值范围为2β~4β(β为采样频率与结构基频的比值)。基于该文提出的参数优化方法,能有效识别藏式古城墙的动力特性,包括频率、振型和阻尼比。