基于双凹凸变换的高阶模糊认知图天然气消费预测

为解决高阶模糊认知图难以处理一维时间序列预测问题,提出基于双凹凸变换的高阶模糊认知图。为增加数据维度,采用特定函数对一维时间序列作凹凸变换,其次为改善高阶模糊认知图非线性表达能力,设计了具有凹凸特征的新传递函数,并结合全国及30个省份的2000—2019年天然气消费数据进行实证分析。结果表明,在对数据作增维凹凸变换基础上,采用新设计传递函数的高阶模糊认知图和基于传统传递函数的高阶模糊认知图预测结果相比更优,新传递函数适用率高达96.4%;其次将其两者预测结果和ARIMA及GM(1,1)相比,得出所提方法的适用率可达87.1%,进一步验证了提出方法的有效性。

高阶调制的软输出算法比较

介绍了常用的软输出解调算法log-MAP及其近似算法(max-log-MAP).仿真表明,在相同的Turbo码译码错误率下两者的性能差别不足0.1dB,但max-log-MAP的运算量要小得多.采用max-log-MAP解调及log-MAPTurbo译码这种组合方式可在减小硬件复杂性的同时基本还能保持最佳性能.

基于映射函数的三阶WENO改进格式及其应用

低耗散、高分辨率激波捕捉格式对含激波流场的数值模拟具有重要意义.在传统三阶WENO格式(WENO-JS3)和三阶WENO-Z格式(WENO-Z3)基础上,基于映射函数,给出WENO-M3、WENO-MZ3格式.选用Sod激波管、激波与熵波相互作用、双爆轰波碰撞及双Mach(马赫)反射等经典算例,考察上述格式的计算性能.数值结果表明,WENO-MZ3格式相较其他格式具有耗散低、对流场结构分辨率高的特性.为了进一步扩展WENO-MZ3格式的应用范围,采用该格式数值研究封闭方形舱室内柱形高压、高密度气体爆炸波传播过程,波系演化规律以及壁面典型测点压力载荷.数值计算结果表明WENO-MZ3格式能够较好地模拟包含高压比、高密度比的爆炸波且给出数值耗散较小的壁面压力载荷.

Monad的一种自动生成技术

Monad程序的核心是一组Monad定义.Monad定义分为MAP型和BIND型.如果在Monad库中已有所需要的Monad定义型,则可以直接使用,而不需要重新构造;否则,需要重新构造.但如果在Monad程序设计环境中增加从一类Monad构造另一类Monad的自动生成器,那么既方便了用户也扩充了1倍原有的Monad库.鉴于这种思想,用支持Monad程序设计的高阶函数语言Haskell实现了一个Monad的自动生成系统.另外,用户构造Monad不仅要花费较多的时间,而且写出的Monad多态函数往往不满足Monad所需满足的几条公理,因此,从这方面也可以看出,从一种类型的Monad自动产生另一种类型的Monad的重要意义.

一类高阶中立型微分方程周期解的存在性

本文研究一类高阶中立型泛函微分方程周期解的存在性,利用一些分析技巧和k-集压缩映射理论得到了该类方程至少存在一个周期解的两类充分条件。所得结果将现有关于常微分方程的结论推广到了泛函微分方程情形,同时减少或减弱了已有结果中的一些条件,从方程的形式和周期解的存在性条件两个方面推广和改进了文献中的相应工作。

构造高阶广义M─分形图及对称逃逸时间算法

利用“对称逃逸时间算法”，根据经典的“Ｍａｎｄｅｌｂｒｏｔ－集”的构造方法，构造了一系列高阶多项式的复映射变换：ｆ（ｚ）＝ｚｍ＋ｃ（２≤ｍ≤１０）所显示的高阶广义Ｍａｎｄｅｌｂｒｏｔ－集（简称Ｍ－集或Ｍ－分形图），提供对其定量研究的新材料．这些独特而奇妙的分形图不仅特别令人赏心悦目，而且“

常规LASIK与波前像差引导的LASIK治疗中高度近视散光的对比研究

目的比较常规准分子激光原位角膜磨镶术(简称常规LASIK)和波前像差引导的个体化LISIK(简称波前像差引导LASIK)矫正中高度近视散光后的视觉质量。方法随机选取2011年1月至2012年12月在我院行准分子激光手术者,其中散光度数≥-2.00 DC作为入选对象共82例(163只眼)。其中选择行波前像差引导的LASIK术者42例(83只眼),散光(-3.55±1.09)DC;接受常规LASIK术者40例(80只眼),散光(-3.47±1.23)DC。所有患者术前与术后7 d、1个月、6个月分别进行视力、角膜地形图、波前像差的检查和视疲劳满意度调查,比较两组的差别。结果 (1)术后7 d、1个月、6个月波前像差引导的LASIK术者视力分别优于常规LASIK术者(P<0.05)。(2)角膜地形图查残余角膜散光度:波前像差组7 d、1个月、6个月分别为(-0.35±0.24)DC、(-0.42±0.13)DC、(-0.51±0.19)DC;常规组7 d、1个月、6个月分别为(-0.75±0.28)DC、(-0.92±0.23)DC、(-1.21±0.21)DC,两组差异有统计学意义(P<0.05)。(3)波前像差组和常规组高阶像差均呈增加趋势,以彗差和球差增加为主。波前像差组在总高阶像差(HOAROM)、30°三叶草(Z6)、垂直彗差(Z7)和水平彗差(Z8)高阶像差的改变显著优于常规组(P<0.05)。(4)视疲劳满意度调查:波前像差组明显优于常规组。结论波前像差引导的个性化LASIK较常规LASIK能更好地矫正中高度近视散光,使患者术后角膜残余散光更少,高阶像差的增加更少,视力恢复更理想,视觉质量更佳,患者的满意度更好。

高次幂函数逼近的阴影图反走样算法

针对传统阴影图算法由于阴影贴图分辨率的约束而在阴影的边缘会出现走样现象的问题,提出一种基于高次幂函数逼近的预滤波阴影图反走样算法.该算法使用高次幂函数来逼近传统阴影图中的深度比较函数,并对高次幂函数进行泰勒展开,在展开的各项上分别进行预滤波;在绘制过程中,利用泰勒展开式计算得到的数值代替传统阴影图中的深度比较函数得到的二值结果,从而实现了对阴影边缘的反走样.实验结果表明,该算法在现有图形硬件中能够达到很好的效果.

基于ANMF和非线性映射距离扩展目标检测

针对距离扩展目标的检测问题,提出一种自适应归一化匹配滤波(ANMF)、非线性映射和高阶互相关积累(HOCC)相结合的目标检测方法。首先将距离像按慢时间进行脉冲维划分,得到若干脉冲子区间,再对每个脉冲子区间进行自适应归一化匹配滤波,然后利用非线性函数对滤波的输出进行非线性映射处理,最后将非线性映射的输出进行高阶互相关积累,从而获得检测统计量。仿真实验结果表明,在检测概率为80%时,所述方法比传统ANMF方法所需的信杂比低1dB左右,性能较为优越。

F/0.78高次非球面零位补偿检测与投影畸变校正

为实现高次非球面的高精度检测与确定性加工,从高次非球面检测的零位补偿器设计和干涉检测图的投影畸变校正两方面出发提出了具体的解决方案。首先,基于三级像差理论与PW法推导了高次非球面三片式补偿器初始结构参数计算公式。针对有效口径314 mm、F/0.78的8阶偶次非球面,将基于公式获得的初始结构参数代入光学设计软件进行缩放、优化后获得PV=0.0096λ、RMS=0.0012λ(λ=632.8 nm)的补偿器设计结果,公差分析结果表明此设计满足高次非球面λ/50的检测精度要求。进一步地,针对基于零位补偿器的干涉检测图存在畸变的问题提出了一种校正方法,该方法采用零位补偿器的成像畸曲线数据确定干涉图的畸变规律,利用畸变零点求解算法确定畸变中心,结合畸变规律与畸变中心点坐标进行逆向求解实现干涉检测图畸变的快速校正。采用本文所提方法对零位补偿检测结果进行畸变校正,基于畸变校正结果对非球面进行了6次磁流变抛光后,面形RMS由0.270λ收敛至0.019λ,验证了该畸变校正方法的有效性。

一种基于格雷映射的TCM编码方案

研究网格编码调制(TCM)中编码调制的结合方式,提出一种基于格雷映射的TCM编码方案。通过优化编码方式和星座布局调整汉明距离和欧式距离,在此基础上设计8PSK和16QAM编码器。仿真结果表明,在不增加额外开销和算法复杂度的前提下,该方案的编码增益比传统方案提高约0.3 dB。

一类高阶半线性抛物型方程初值问题解

本文讨论了方程(1):+(-Δ)=F(u,D_z,…,)和方程(2):+(-Δ)=F的初值问题,在关于幂性非线性项F=O(||~1+)a≥1为整数的假定之下,对方程(1),在x的维数n>2m/a的条件下,对方程(2),在x维数n≥1的任意情形,论证了小初值问题在时间大范围的可解性,唯一性,基于线性方程解的衰减估计和能量估计,所设计的某种Sobolev空间上的压缩映象原理.

基于双向Log-Polar变换的高阶网目标识别方法

具有大小、位移、旋转不变性（TRSI）的目标识别是一个三阶问题,如果采用三阶神经网可以使问题得以解决,但最大难点就是互连权矩阵的组合爆炸问题,在本文中,我们将视觉生物物理学的研究成果应用到高阶神经网的研究中,首次提出双向Log-Polar变换与高阶网（HONN）结合的方法,有效地解决了权系数的组合爆炸问题,进一步提高了识别率。取得了突破性进展。使得将高阶网用于自动目标识别成为可能。

嵌入式WinCE平台下的频谱数据传输控制

针对频谱仪中频谱数据的有序传输控制问题,设计并实现了一种基于ARM+FPGA的运行于WinCE环境下的频谱数据实时采集系统。设计中主要完成了ARM+WinCE通过虚拟地址映射机制与外设缓存FIFO进行数据通信;同时,运行在WinCE系统环境下的人机监控软件,采取了合理高效的算法,实时有序地采集FIFO中缓存的大量频谱数据,实现了被测信号的频率特性数据在LCD上的高保真度显示。

基于BP神经网络和高阶模糊认知图的股票价格预测

由于金融市场具有的非线性、不确定性、复杂性等特点,其预测问题受到了学术界和相关从业人员的普遍关注。基于模糊认知图的方法广泛应用于金融市场预测,但大部分模型忽略了预测误差对模型精度的影响,针对这一现状本文提出了一种两阶段的预测模型,即基于BP神经网络(BPNN)和高阶模糊认知图(HFCMs)的股票价格预测模型,充分考虑了预测误差对预测精度的影响。模型第一阶段,利用HFCMs模型对历史数据进行预测,并得到与之对应的误差数据集。第二阶段结合了HFCMs模型和BPNN误差预测模型,得到最终的预测结果。其中,HFCMs模型的最佳权重矩阵采用时间变化加速系数粒子群优化(TVAC-PSO)算法得到。最后,在5个金融数据集上对所提模型进行了实验,结果表明本文的模型具有更好的预测效果。

一种降低BICM-ID系统误比特率的高阶APSK星座映射方法

本文提出一种基于蝙蝠算法的星座映射方法,旨在解决采用高阶振幅移相键控APSK调制的BICM-ID系统中误比特率高的问题.所提出的星座映射方法包括以下步骤:建立系统模型并初始化参数;随机产生多组解;计算每一组解的误比特率,取误比特率最小值对应的一组解为最优解;开始迭代,产生新解并在最优解周围产生局部解;更新当前全局最优解,当达到最大迭代次数时,输出最优解.所提方法不仅星座映射的效率高,而且误比特率性能优于现有映射方法,实验结果表明,对32APSK而言,当系统的误比特率为10-5时,采用本文所提方法优化后需要的信噪比为8.73 dB,相比于DVB-S2标准中方法和预编码方法所获得的信噪比增益分别是0.09 dB和1.88 dB.

干扰环境下无人机图传信号的识别技术

为了实现对“黑飞”无人机的有效监管,避免误警事件的发生,不仅需要对目标无人机信号进行识别,还需要对当前监测环境中的干扰信号进行有效识别。因此提出一种结合高阶累积量和瞬时特征两类信号特征的无人机图传信号的识别算法,以解决单类特征对信号的不完整描述问题。该算法通过对接收信号提取高阶累积量与瞬时特征作为输入特征,并利用主成分分析方法将输入特征从14维降维到3维,大大减少了特征所占的内存空间,便于工程实现。随后,通过比较分类器的性能,选择随机森林分类器作为算法中的分类器,克服了传统决策树分类器中需要人为确定阈值的缺点。仿真结果表明:在0 dB时,目标信号和4种干扰信号能达到100%的识别率;当信噪比为5 dB时,目标信号与干扰信号的识别率都达到了95%以上,验证了该算法的有效性。

一种多规则可逆元胞自动机的栅格地图加密算法

针对单规则元胞自动机图像加密易受明文攻击的问题,分析了其密钥空间的局限性,提出了一种高阶可逆元胞自动机加密算法。通过分析可逆元胞自动机的特点,结合栅格地图的四叉树分解结果,构造了多规则高阶可逆元胞自动机,取代传统方法中对所有像素进行多次循环迭代加密的方式,在不增加元胞自动机结构复杂性的前提下,实现栅格地图加密。实验结果表明,该方法密钥空间较大,加密效率较高,在保证地图数据完整性的基础上,能够有效抵抗差分攻击和明文攻击,适用于实时图像加密。

基于高阶语义相关的子空间跨模态检索方法研究

【目的】针对跨模态检索中存在的语义鸿沟问题,将异构的多模态数据特征同构化,提升跨模态检索精度。【方法】基于多模态数据间的高阶语义相关性,联合多模态数据的标注信息和结构信息,将不同模态的数据转化为可直接进行检索的同构数据。【结果】在Wiki、NUS-WIDE和XMedia三个公开数据集上进行验证,本文方法的MAP平均值较CCA、JGRHML、SCM、JFSSL这4种方法中的最高值分别提高0.111 3、0.091 0和0.185 0。【局限】该方法对半监督和无监督数据未能取得很好效果。【结论】本文考虑了标注信息的高阶语义相关性和多模态数据之间的结构信息,有效提高了跨模态检索精度。

基于系统特性盲辨识的齿轮箱故障诊断

盲系统辨识是仅由输出数据来获得系统特性函数的一种信号处理方法。系统特性只与自身的结构相关,一种工况就对应着一种特定的系统特性。将系统结构及工况两者结合分析,可有效应用于齿轮箱的故障诊断。首先,利用独立分量分析对获得的的信号进行预处理,提取出包含故障频率的信号作为系统模型的响应信号。其次,高阶累积量具有消除和衰减高斯噪声的特性,使用高阶累积量构建时间序列模型。最终,依据模型的系数计算得到的ARMA双谱定性分析,用量子自组织特征映射网络给出定量的判据。实验结果表明,此方法对齿轮箱故障的存在和故障类型的诊断,可以提供一些有价值的结论。