复平面或左半平面内收敛的L-Stieltjes积分的下级与上级

在上侧Laplace-Stieltjes积分的下级与上级理论基础上 ,对下侧L -S积分定义的整函数f2 (s)定义了下级与上级 ,通过引入递减负实数列 {λ-n} ,建立了f2 (s)的下级 (或上级 )与其系数及指数之间的关系 ,并拓广到双侧L -S积分所定义的整函数F(s) ;建立了在收敛半平面Re(s) =σ <0内的解析函数f2 (s)的下级与上级概念 ,并讨论了f2 (s)的下级 (或上级 )与其系数及指数之间的关系 ,推广了上侧L -S积分f1(s)的两个结论     

复平面或左半平面内收敛的L—Stieltjes积分的下级下上级

在上侧Laplace-Stieltjes积分的下级与上级理论基础上 ,对下侧L -S积分定义的整函数f2 (s)定义了下级与上级 ,通过引入递减负实数列 {λ-n} ,建立了f2 (s)的下级 (或上级 )与其系数及指数之间的关系 ,并拓广到双侧L -S积分所定义的整函数F(s) ;建立了在收敛半平面Re(s) =σ <0内的解析函数f2 (s)的下级与上级概念 ,并讨论了f2 (s)的下级 (或上级 )与其系数及指数之间的关系 ,推广了上侧L -S积分f1(s)的两个结论     

Dirichlet级数与随机Dirichlet级数的迭代级数

对于在左半平面σ <0内收敛的下侧Dirichlet级数所定义的解析函数f1(s)定义了下级 ,定义了在概率空间 (Ω ,A,P) 上的下侧随机Dirichlet级数的下级 (σ <0 ) ,研究了两类级数所定义的解析函数f1(s) ,f1(s,ω)的下级存在的条件 ;对两类由上、下侧级数迭代而成的关于无穷乘积的级数 ,讨论了它们与无穷乘积的收敛性 ,建立了它们的和函数f1[f(s) ]与f1[f(s,ω) ]在σ >0内的下级与其系数及指数之间的关系式     

下侧或双侧二重随机 Dirichlet级数的θ线性级与下级

定义了双侧与下侧二重Dirichlet级数;建立了这两类级数所定义的二元整函数f1(s,t),F(s,t)θ线性级与下级（0＜θ＜π／2）的理论。通过引进一个随机变量序列,在概率空间（Ω,A,P）上定义了双侧与下侧二重随机Dirichlet级数,讨论了下侧二重随机Dirichlet级数的收敛性,建立了这两类级数所定义的随机整函数f1,(s,t,ω）,F(s,t;ω）的增长性理论。     

下侧Laplace-Stieltjes积分的下级,准确下级与下型

定义了双侧与下侧Laplace-Stieltjes变换与积分 ;对下侧Laplace-Stieltjes积分在σ <0内所定义的解析函数f2 (s)分别定义了下级 ,准确下级与下型 ;通过引进递减负实数列 {λ n} ,建立了在收敛半平面σ<0内f2 (s)的下级存在的充分必要条件 ;建立了f2 (s)的准确下级及下型与其系数及指数之间的关系 推广了上侧Dirichlet级数与Laplace-Stieltjes积分的两个结论     

关于零级整函数的准确级

1.f(z)=sum from n=1 to ∞ (a_nz~n)是一个零级整函数。我们定义f(z)的准确零级k(x)(x=logr,r=|z|)与准确零型τ,并得到了k(x)、τ和a_n之间的关系式,该结果推广了G.Valiron[2]中的结果。     

L2（R^2;e^-x^2-y^2）中一个特殊函数类的Kolmogorov n-宽度及最佳逼近的界的估计

利用一个平移算子Fh定义了高阶差分△kh(f),进而定义广义连续模Ωk(f;δ),在空间L2(R2;e-x2-y2)中引入一个二阶微分算子D,由此来定义函数类Wr,kψ(D).借鉴文献[1]中的一些结论及研究方法来研究类似文献[5-7]中所讨论的问题,最后得到了sup/(f∈Wγ,kφ(D)) En(f;L2)和dn(Wγ,kω(D);L2)界的估计.     

用Dziok-Srivastava算子定义的亚纯多叶函数类

设∑p为E0={z:0<|z|<1}内解析且形为f(z)=z-p ∑∞n=1anzn-p的p叶函数全体组成的类．利用Dziok-Srivastava算子定义了p叶亚纯函数类∑p的子类Wp,q,s(α1,α),并定义了亚纯多叶函数f(z)的邻域．利用邻域概念建立了函数f(z)的邻域与函数类Wp,q,s(α1,α)之间的包含关系,推出了亚纯P叶函数f(z)属于类Wp,q,s(α1,α)的充分条件,并利用充分条件推出函数类Wp,q,s(α1,α)中满足条件∑∞n=1(n |n-2α|/2α)Гn(α1)|an|≤1的函数的一些性质．     

关于一类插值样条的最佳误差界

本文讨论了带单端插值条件的三次样条,并利用Lagrange型基函数来求得插值的最佳误差界。即设△_n={x_i}_0~n是[0,1]上的等距分划。s(x)是f(x)的三次插值样条,满足条件s'(x_i)=f'(x_i),i=0,1,…,n及s(0)=f(0),s″(0)=f″(0)。插值的最佳误差界按定义为我们求得了c_0=1/12,c_1=1/4,c_2=1,c_3=4。     

有关[a,b]上连续函数最大(小)值求法的一些看法

在一般工科院校所采用的教材中,如文献[1]、[2]、[3],对于如何求闭区间上连续函数的最大(小)值,基本上是这样叙述的(以文献[1]为例):“如果函数在a与b间的一点达到最大值,这个最大值显然也是极大值;但最大值也可以在区间端点a,b处达到,因此,把函数的一切极大值与函数在区间端点的函数值f(a)及f(b)相互比较,这些数中最大者就是所要求的函数f(x)在[a,b]上的最大值。”由于教材中,极值的定义是严格极值,因     

下侧二重Laplace-Stieltjges积分在双带形内的增长性

定义了双侧与下侧二重Laplace Stieltjes变换与积分;讨论了它们的几对相关收敛横坐标;通过引进两个递减负实数列{λ-m}与{μ-n},建立了下侧二重Laplace Stieltjes积分所定义的整函数的θ线性极与下级的概念及存在定理;建立了该积分在双带形内的增长性理论,推广了上侧二重Dirichlet级数相应结论.     

下侧或双侧二重L-Stieltjes变换与对应指数级数收敛性

定义了双侧或下侧二重Laplace Stieltjes变换 ;建立了下侧二重L Stieltjes变换的相关有界收敛定理 .通过引进两个递减负实数列 {λ-m}与 { μ-n} ,建立了下侧或双侧二重L Stieltjes变换的Knopp Kojima推广公式 ;并建立两类变换所对应级数在概率空间 (Ω ,A ,P)的随机收敛性     

下侧二重随机Dirichlet级数的收敛性与增长性

定义了双侧与下侧二重Dirichlet级数 ;通过引进一个随机变量序列 ,在概率空间 (Ω ,A ,P)上定义了下侧二重随机Dirichlet级数 ,建立了该级数的相关收敛横坐标及θ线性下级与该级数的随机系数 |a-mn(ω) |的分布函数之间的关系 ;建立了该级数所定义的随机解析函数的θ线性下级与下型的存在定理 ,推广了单复变数的随机Dirichlet级数与下侧二重Laplace -Stieltjes积分的有关结果 .     

关于图的两类强符号控制数的下界

设图G=(V,E)为无孤立点的简单图,且f:V→{-1,1}为G上的一个函数,如果对于任意的顶点v∈V,均有f[v]≥2,则称f是图G的一个强符号控制函数。图G的强符号控制数定义为γss(G)=min{w(f)|f是图G的强符号控制函数}。设k是1≤k≤|V|的正整数,f:V→{-1,1}为图G上的一个函数,如果在图G中至少有k个顶点,使得f[v]≥2,则称f是图G的一个强k-符号控制函数。图G的强k-符号控制数定义为γkss=min{w(f)|f是图强G的k-符号控制函数}。分别得出了强符号控制数及强k-符号控制数的几种形式的下界。     

广义希尔伯特变换及其数字实现

基于广义Hilbert变换将传统的Hilbert变换由整数阶向分数阶的推广,其应用领域也得到了扩展。首先,在频域定义广义Hilbert变换,利用广义Hilbert变换来构造新的广义解析信号。然后从数字信号处理角度来考察理想的广义数字Hilbert变换器的基本性质及其数字实现。文中利用窗函数法和频率采样法设计了FIR广义数字Hilbert变换器,并分析了设计误差。     

下侧或双侧二重Dirichiet级数收敛性

定义了双侧与下侧二重的Dirichlet级数;讨论了它们的几对相关收敛横坐标;建立了下侧二重Dirichlet级数的相关一致有界收敛定理;建立了该两类级数的Valiron推广公式及Knopp-Kojima推广公式。拓广了关于单复变数的Doirichlet级数相应结论。     

黄变换的穿越筛分法

基于黄变换提出了一种分解非线性、非平稳时间序列的穿越筛分方法,该方法先搜索到信号的局部极值点,然后定位出相邻局部极值点间的穿越点,最后使用三次样条对穿越点列插值,可近似得到信号的包络中值。通过实例比较分析了穿越筛分法与黄变换的经验模态分解方法,筛分结果表明该方法简单有效,可以从观测时间序列中筛分出较好的各阶固有模态函数。     

基于小波变换的舰船辐射噪声检测

分析了舰船辐射噪声（简称舰船噪声）与1／f信号的关系，提出了一种基于小波变换的信号检测方法，对白噪声背景下的舰船辐射噪声进行了检测；推导了相应的检测统计量及其统计分布特性，并与传统的匹配滤波器、能量检测器进行了比较，计算机仿真结果证明了本方法是有效的，在较低的信噪比下得到较好的检测效果。     

基于脊波变换的SAR与可见光图像融合研究

脊波(R idgelet)作为一种新的多尺度分析方法比小波更加适合分析具有直线或超平面奇异性的信号,而且具有较高的逼近精度和更好的稀疏表达性能。将脊波变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息,在融合过程中抑制噪声的能力也比小波变换更强。因此,提出了基于脊波变换的SAR与可见光图像融合方法,并采用偏差指数与等效视数指标对融合效果进行评价。实验结果表明,该方法在保留合成孔径雷达SAR(synthetic apertureradar)与可见光图像重要信息、抑制噪声能力方面均优于小波变换方法。     

基于移位离散付立叶变换的线性频率估计方法

提出了一种基于移位离数付立叶变换的频率估计新方法。该方法利用离散付立变换的周期性，通过计算一组不同移位的ＤＦＴ值，从中可得到一个较高精度的频率估计结果，与传统的线性估计方法相比，具有较好的估计性能。新方法可以用ＦＦＴ算法来实现，因此，具有较大的工程实用价值。