基于布尔差别矩阵逻辑运算的属性约简

针对差别矩阵属性约简存在的不足,首先将决策表简化,并引入布尔差别矩阵定义及其逻辑运算方法;然后给出基于布尔差别矩阵核属性和属性约简的定义,同时证明了该核属性和属性约简与正区域的核属性和属性约简是等价的;接着,设计基于属性布尔差别矩阵逻辑运算的属性约简算法,算法的时间和空间复杂度均为O(|C||U/C|2)。最后,通过实例和实验验证本文算法的正确性和高效性。     

MDS矩阵变换的线性分支结构和比特级线性表示

MDS矩阵在分组密码和杂凑函数中应用广泛。研究MDS矩阵的线性分支结构和比特级线性表示两类问题。在MDS矩阵给定的情况下,给出了快速得到MDS矩阵的所有线性分支结构的理论基础和算法以及快速得到MDS矩阵比特级线性表示的理论基础和算法,并通过AES中的MDS矩阵进行了编程验证。     

基于谱数据构造的子周期Jacobi矩阵

讨论了一类由谱数据构造子周期Jacobi矩阵的逆特征值问题.首先研究了子周期Jacobi矩阵的谱性质,其次给出此类矩阵有解以及有唯一解的充要条件并提出重构该矩阵的算法,最后给出了具体的数值实例来验证该算法的有效性.     

三分支空间机器人的迭代运动学逆解

基于旋量理论指数积公式及空间雅可比矩阵,对三分支空间机器人逆运动学求解问题进行了研究,提出了一种通用的三分支机器人逆解迭代算法,并建立了统一的逆运动学求解模型。对于具有球腕结构的三分支机器人,给出了位姿解耦形式的简化算法。该算法较速度级控制法计算精度更高,且不依赖于机器人的构型,适合于构型不确定的模块化机器人。通过搬运物体的仿真试验,验证了算法的有效性。     

一类具时滞振动系统的稳定性及Hopf分支

研究了以滞量为参数的时滞振动系统的Hopf分支问题,得到了Hopf分支值及分支方向,利用规范型理论和中心流形定理给出了确定分支方向及分支周期解稳定性的计算公式。     

一种带径向速度量测的Jerk-EKF机动目标跟踪算法

为了提高机动目标跟踪精度,在基于Jerk模型的扩展卡尔曼滤波算法(Jerk-EKF)基础上,提出了一种带径向速度量测的扩展卡尔曼滤波算法(Jerk-EKFrv).该算法通过引入径向速度量测扩充了量测矩阵的维数,然后利用展开泰勒级数的一次项,解决量测方程中状态向量和量测向量的非线性问题,最后采用卡尔曼滤波算法对目标状态进行估计.对Jerk-EKF和Jerk-EKFrv算法的仿真结果表明,Jerk-EKFrv算法能够有效提高机动目标的跟踪精度.     

偶数阶周期Jacobi矩阵的特征对反问题

提出由极端特征对构造偶数阶周期Ｊａｃｏｂｉ矩阵元素的问题,给出了问题有解的充分必要条件及数值算法和例子。     

一种高斯型非线性迭代更新滤波器

针对高斯型非线性滤波器在大初始偏差条件下性能下降、甚至发散的问题,提出了一种新的非线性滤波算法,即迭代更新扩展卡尔曼滤波器（iterated update extended Kalman filter,IU-EKF）。首先,该算法在EKF框架下,将传统的一步量测更新在伪时间上分为多步进行,采用部分增益将当前量测信息逐步地引入量测更新过程实现对状态的后验估计;其次,由于多步量测更新过程引入了每一步的过程噪声,因此将量测噪声与每一步更新后的状态估计误差之间的互协方差代入误差协方差矩阵,再利用此误差协方差矩阵的迹对标准卡尔曼增益矩阵求导并令结果为零,以导出噪声相关条件下的最优卡尔曼增益矩阵表达式;最后,根据后验量测残差自适应地调整迭代更新次数,在保证一定滤波精度的前提下,降低了算法的计算量。以2维目标跟踪问题为例,在大初始偏差条件下,通过仿真实验将本文算法分别与EKF、IEKF、UKF、CKF算法进行对比,并针对不同迭代次数对滤波精度的影响进行对比分析。仿真结果表明：本文算法较EKF大幅提高了滤波估计精度,且在大初始偏差条件下,本文算法性能优于现有经典高斯假设滤波器。同时,当迭代次数按1、2、5、10、20递增时,本文算法的滤波精度也随之提升,但提升幅度逐渐减缓。     

求解大规模稀疏线性方程组的算法

给出了求解大规模稀疏线性方程组的一个实用算法;该算法能够保持矩阵的稀疏性和减少存贮量,并且能够求解一些大规模的问题．而这些问题所对应的系数矩阵可能不是稀疏的．     

模型相关噪声的广义离散随机线性系统的次优滤波

本文讨论了广义离散随机线性系统的次优滤波问题，给出了一种次优滤波算法。本文考虑的是模型噪声和量测噪声相关的情形，借助于扩充状态变量法并采用通常的卡尔曼滤波方法以及最小方差估计方法给出了所要的递推计算公式。