具有随机扰动的时滞竞争系统

在21世纪,有关生物数学的研究显得越发重要,生物数学与其他学科的交叉领域将成为主要的研究对象.与确定性生物数学模型相比较,在现实生活中,种群生态系统经常会遇到环境白噪声的干扰,研究环境白噪声的存在是否影响种群生态系统,以及是否会使已有的结果发生变化已受到广泛关注.讨论具有随机扰动的n-种群时滞竞争系统在其具有正解的前提下,证明该系统解矩有界,并证明解的一致连续性。     

C0-半群的概率型逼近

借助于算子值数学期望以及概率论方法,利用适当的随机变量的矩生成函数估计式,讨论了Banach空间上C0-半群的概率表示式及收敛速度的估计式.     

大尺寸图片的复制粘贴检测*

针对目前图像复制粘贴检测算法有时间复杂度高、当图像中有光滑区域时错检率大的缺点,将图像角点区域及其八方向邻接圆形区域作为伪造检测区域,提取每个检测区域的矩特征后用k-d树进行排序,并通过比较每个区域矩特征的相似性来定位伪造复制区域.该算法效率高,且对经过旋转、添加噪声、模糊、JPEG压缩等后处理的复制粘贴伪造图像检测效果很好.     

一维光子晶体光开关的研究

由掺杂非线性介质的一维光子晶体形成光开关,并利用传输矩阵法对其特性进行了分析。研究发现,该结构可以很好地完成光开关的功能。     

铝型材阳极电泳涂装设备

1 电泳槽：铝型材电泳槽多设计为长方形矩形槽，其内部大小取决于装挂吊的尺寸，槽体用4-6mm钢板，内衬用聚丙烯或环氧玻璃钢，需设置溢流槽。     

基于矩量法的接地网接地电阻计算

矩量法是一种适用于任意结构接地网接地参数精确计算的方法,但是在应用矩量法计算接地网接地电阻及其他参数时,特别是在计算非均匀土壤接地参数时,由于需要使用格林公式进行互阻计算,往往计算量十分巨大,不便于使用计算机进行软件实现．基于此提出一种新的优化算法,将矩量法与MATLAB算法结合,从而节省了计算时间,并提高了计算精度,适用于多层土壤和不规则接地网参数的数值计算．     

一种使用小波矩的飞行器目标识别方法

为了在自动识别中提高分类准确率,利用小波的多分辨特性对飞行器图像进行特征提取,并对图像进行径向小波变换,得到可分辨的小波矩.为保证数字图像从笛卡尔坐标系变换到极坐标系的精度,将原图像扩大64倍,并使用三次B样条小波矩、Haar小波矩和Zernike矩分别提取两组图像的特征向量,得到的分离度标准差由使用Zernike矩的0.584提高到使用三次B样条小波矩的0.158.表明三次B样条小波矩可以有效提高分类准确率.     

论建设工程的质量偏心距和偏心矩

以理论几何形态出现的偏心距,推及建设工程中实际形态的偏心距的存在,运用几何形态和力学关系,论证在土力学和工程力学体系作用下,导致所出现的力学偏心矩,从而导出力学偏心矩与工程稳定性的力学关系;并通过阐述影响工程整体安全稳定性的力学因素,以此阐明正确分析及准确评定建设工程偏心现象所导致的工程安全稳定性隐患的必要性和重要性。实际工程中,工程体系由于内外力作用因而产生偏心矩,由于偏心矩作用因而造成可能出现工程的失稳地拱、变形坍塌的病害,由此阐明正确对待建设工程的偏心矩在工程体系中所带来的力学问题,以及对其所造成的工程病害隐患进行精准消除的必要性;以至分析其中的土力学机理,对桥台预压工程和隧道工程的安全性准确地预测评估,相应地提出准确的加固方案,及时消除偏心矩可能造成的影响工程整体稳定和安全的危害;实际建设工程中,越来越多的项目工程的偏心病害只有得到治理,才能使项目工程优质竣工和安全营运,因此体现了合理解决偏心距和偏心矩问题、在保证工程质量及消除工程隐患起到的重要作用。     

频率选择性衰落信道下的STBC调制识别技术

针对频率选择性衰落信道下空时分组码(Space Time Block Codes,STBC)信号的调制识别问题,改进了一种基于四阶时延矩的调制识别算法.研究的调制方式主要包括BPSK,QPSK,8PSK和16QAM四种典型调制星座,在单接收天线条件下,首先对STBC信号及频率选择性衰落信道进行建模,计算接收端STBC信号四阶时延矩的理论值;然后采用阈值检测方法,将四阶时延矩的估计值同理论值的阈值区间对比,从而自动判别出信号的调制方式.推导和仿真结果表明,上述算法不需要噪声、空时分组码类型等先验信息,在较低信噪比条件下,对四种调制方式也具有良好的识别性能,且对频偏、多普勒频移和时延的鲁棒性能好,计算量较低,具有较高的实用价值.     

基于多特征的BP神经网络LSS目标识别方法

为更好地从可见光探测图像中对“低慢小”无人机目标进行识别和分类,对含有旋翼无人机、固定翼无人机和城市飞鸟这三类目标的图像进行灰度化、二值化等预处理,建立了目标圆形度、Hu不变矩、仿射不变矩特征提取模型以及多特征融合模型.在此基础上,提出了一种基于多特征的BP神经网络目标识别方法,构建包含输入层、隐含层、输出层的三层神经网络训练模型,并明确了该模型的训练过程.选取了三类目标图像,以其中每类各150张作为样本训练集,每类各50张作为样本测试集,通过计算损失函数来判定目标类别.结果 表明:上述方法的识别率达92.67％,可实现对城市空域环境的“低慢小”目标的识别.