对称双弹簧振子系统的横振动的主共振与分岔

采用渐进法求近似解并用四阶Runge-Kutta法求数值解进行验证,分析和讨论了对称双弹簧振子受迫横振动周期解的多值性和振幅跳跃现象;绘制系统的分岔图研究系统拓扑结构随参数f0的变化,分析系统进入混沌的道路。结合对系统的Lyapunov指数、相轨图及Poincare映射的分析验证了上述结论,最后给出了系统的Lyapunov维数谱。     

Banach空间四阶边值问题的拟上下解方法

通过构造拟上下解的单调迭代过程,在拟解对之间利用Sadvoskii不动点定理获得了Banach空间四阶边值问题解的存在性     

面向虚拟视点图像绘制的深度图编码算法

针对不同区域对绘制虚拟视点图像质量产生不同的影响,以及深度估计不准确导致时域抖动效应影响压缩效率的问题,提出了一种面向虚拟视点图像绘制的深度图压缩算法。通过彩色图像帧差、深度图边缘提取等相关处理过程,提取深度图的静态区域、边缘区域以及动态区域。对深度图边缘区域使用了较低的量化系数,以提高深度图边缘区域编码质量;根据深度图各个区域的编码模式特点,仅对部分编码模式而不是所有模式进行率失真优化搜索,以提高深度图的编码速度;对于深度图P帧的静态区域,合理地采用了SKIP模式,以消除由于深度估计算法的局限性导致时域抖动效应对深度图压缩的影响。实验结果表明,与传统的H.264编码方案相比,本文方案在传输码流大小基本不变的前提下提高了最终虚拟视点图像边缘区域的绘制质量,其余区域主观质量相近,而深度图编码时间则节省了约77～87%。     

移动机器人路径设计与定位计算

为解决机器人自主导航中的同时定位与地图构建问题,提出采用SLAM系统实现机器人在一个未知环境和位置开始,通过环境观测,递增地构建环境地图,并同时运用环境地图实现机器人定位的解决方案.仿真实验证明了所建立的SLAM系统是一种切实可行的导航方法,为提高移动机器人自主性和智能化提供了一条新的技术途径.     

基于覆盖技术的异步时序电路设计

该文根据动态卡诺图的原理,提出了异步时序电路设计的新方法-基于覆盖技术的异步时序电路设计法。该方法采用α,β覆盖,不仅可通过卡诺图直接得出整个电路的次态方程,而且与传统的异步时序电路设计方法相比,成本更低、功耗更低、延时更少。     

S变换时变滤波在去噪处理中的应用研究

针对常用的滤波去噪方法都受到使用条件的限制,实际资料的滤波去噪不能达到良好效果,S变换时变滤波克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷.将地震资料用S变换方法变换到时频域,对不同时间内不同频率的噪声部分充零,再将去噪后的地震数据利用S反变换到时间域,以获得所需要的有效信号.通过理论计算分析和实例计算表明,S变换时变滤波能够有效去除不同时段、不同频率的噪声.该方法具有一定的可行性.     

校正高频天波雷达电离层频率调制的级联方法

电离层频率调制导致地表面杂波的多谱勒展宽,极大地限制了高频天波雷达的目标探测性能。本文针对这种电离层频率调制,给出了一种级联的两步校正处理的方法。在第一步校正中,首先分析这种时变信号的时频分布,并设计了一种谱峰追踪方法从时频分布中获得粗糙的电离层频率调制估计。然后采用基于分段多项式相位模型的参数化方法作二次校正处理,消除残余调制污染。模拟结果表明,即使对Bragg峰发生混叠的重污染的情形,这种级联的校正方法都具有非常好的效果。     

KKM映射和KKM型定理及其相关结果

简要介绍古典的KKM映射的演变过程和KKM理论的发展历史,并给出利用KKM型定理得到的最近的一些重要研究成果,以进一步了解和掌握并研究KKM理论．     

基于GPS数据及车辆运行特性分析的单车路段行程时间估计

针对现有的基于浮动车单车路段行程时间估计方法的不足,提出了一种基于GPS数据及车辆运行特性分析的单车路段行程时间估计方法。该方法主要进行了3个方面的改进:①对地图匹配模块中节点附近GPS点采用了相邻点联合匹配的方法,提高了匹配的效率;②针对不同情况下车辆在边界点前后运行特性的不同,对车辆通过边界点时间进行相应处理,提高了车辆通过路段边界点时间的估计精度;③对车辆个体在运行中因受到干扰而停车现象进行了分析,并对干扰停车予以有效剔除,降低了估计中车辆个体行为对估计结果准确性的影响。最后用出租车GPS实验数据进行了验证,结果证明了本文方法的有效性。     

保域上矩阵可交换｛1｝-逆的线性映射

设F是一个特征不为2且至少含有5个元素的域.令Mn(F)为F上的n×n全矩阵代数.刻画了Mn(F)上保持矩阵可交换{1}-逆的线性映射的形式.利用保幂等结论证明了f为Mn(F)上的保持矩阵可交换{1}-逆的非零线性映射,当且仅当存在P∈GLn(F),使得f(A)=εPAP-1,A∈Mn(F),ε=±1∈F;或者存在P∈GLn(F),使得f(A)=εPAtP-1,A∈Mn(F),ε=±1∈F.