乘性随机离散系统的最优控制

基于对系统随机不确定因素的分析,文中定义了一种新型随机离散系统--乘性随机 离散系统,并研究该类系统的线性二次型(LQ)最优控制问题.首先给出了该类系统的有限时间 和无限时间LQ最优控制律,并着重分析、证明了无限时间LQ最优控制问题的Riccati方程的 正定矩阵解的存在性及相应数值求解算法与收敛性,以及闭环系统的稳定性等问题.仿真结果 表明了该方法的有效性.     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

固定采购成本与最小采购量约束下的周期库存

对最低采购量约束下带有固定采购成本的随机库存模型进行了分析．当约束作用在单周期或双周期下，得到了最优库存控制策略，并给出求解方法．当约束作用在多周期下，问题性质复杂，难以得到最优解，给出了利用进化计算与BP神经网络结合寻找多周期问题近优解的方法，有效降低了计算复杂度．仿真实例表明使用该方法的误差很小．     

考虑噪声效应的VDSM延时测试生成方法

为了解决超深亚微米芯片的延时测试问题，首先提出了一种新的基于布尔过程论的逻辑级噪声预测方法，用波形多项式描述的同时发生的跳变数来预测噪声大小，并生成能产生最大跳变数目的输入波形；然后同基于波形敏化的长敏化通路选择法相结合，提出了一种基于布尔过程论的能产生最大噪声效应的敏化测试波形生成方法。实验表明，本文提出的方法可以应用在复杂电路的延时故障测试中，有较好的推广价值。     

基于Wigner-Hough变换的多分量LFM信号 检测及离散计算方法

Wigner-Hough变换对LFM信号有压缩和聚焦的作用,这种作用的又具有阈值特性,本文简述Wigner-Hough变换的方法及对该方法的评价.重点讨论Wigner-Hough变换的离散计算,提出了一种对Wigner变换的结果再进行Hough变换的类似二维搜索的离散计算方法.     

分层空时码检测算法的研究

分层空时码技术是提高无线信道传输速率的一种十分有效的方法.迫零检测算法和最小均方误差检测算法是分层空时码体制中经常使用的两种检测算法,它们都使用了通常的线性合并置零技术,因此要求接收天线数不小于发射天线数,即要求在接收机上安装较多的天线,从而限制了分层空时码在移动环境下的应用.本文引入分层空时码的最大似然检测算法,突破了前两种算法对接收天线数的限制,并分别针对单路径和多径衰落信道环境,对分层空时码的三种检测算法的性能进行了仿真比较和分析,从而提出了它们各自适合的应用环境.     

一种彩色图像滤波的改进矢量中值滤波算法

通过分析彩色图像滤波的一般方法，提出了一种基于矢量中值滤波的改进算法。该算法融合了线性均值滤波和非线性矢量中值滤波两种方法，大大降低了运算复杂度，同时对脉冲噪声和高斯噪声有好的抑制作用，能有效地保护图像的边缘信息，滤波后不会出现新的颜色。另外本算法的运算复杂度随着滑动窗的增大而缓慢增加，使其能够达到滤波效果和运算复杂度的有效平衡。     

用于混沌信噪分离的Neymark分解法的适用性研究

从几何投影的角度阐述了Neymark分解的空间物理意义．并用能量分布的观点解释了该方法实现噪声抑制的内在机理，然后通过几个典型的混沌信号在不同类型的噪声背景下的处理结果，说明了Neymark分解法在实现混沌信号与噪声分离时的局限性．指出了该方法的噪声抑制效果与目标信号和背景噪声在嵌入相空间中能量分布状况之间的关系，最后在此基础上总结出了空间投影类方法实现信噪分离的适用范围，从而为今后选择合适的混沌信号处理方法提供了依据。     

水下目标信号的Lofar谱图特征的主分量分析研究

研究一种基于Lofar谱图特征和主分量分析的水下目标信号的特征处理方法。首先介绍了这种方法的应用背景．给出了舰船辐射噪声的结构和Lofar谱特征的提取方法。在简单介绍了主分量分析的有关基础知识和数学解法后，对于海上测量获得的舰船辐射噪声信号进行特征提取，利用主分量分析的方法对提取的特征向量进行降维处理。针对主分量分析处理前后的特征向量，采用结构自适应模糊聚类神经网络分类器分类，与直接对Lofar谱特征分类相比，主分量提取后的分类准确率有明显提高。     

An improved direct labeling method for the max–flow min–cut computation in large hypergraphs and applications

Algorithms described so far to solve the maximum flow problem on hypergraphs first necessitate the transformation of these hypergraphs into directed graphs. The resulting maximum flow problem is then solved by standard algorithms. This paper describes a new method that solves the maximum flow problem directly on hypergraphs, leading to both reduced run time and lower memory requirements. We compare our approach with a state–of–the–art algorithm that uses a transformation of the hypergraph into a directed graph and an augmenting path algorithm to compute the maximum flow on this directed graph: the run–time complexity as well as the memory space complexity are reduced by a constant factor. Experimental results on large hypergraphs from VLSI applications show that the run time is reduced, on average, by a factor approximately 2, while memory occupation is reduced, on average, by a factor of 10. This improvement is particularly interesting for very large instances, to be solved in practical applications.