基于有限状态的全周期序列混沌映射的研究

在有限长度的数字计算机中，混沌迭代序列是一个有限周期序列，其相关性能远远低于理想序列。基于skew tent映射，提出一种离散化的有限状态混沌映射，它允许精确的数值计算，没有舍入误差，通过选择合适的参数，映射能产生全周期长度的序列。仿真实验表明，归一化的序列平均周期对计算机精度不敏感，生成的二进制序列具有良好的相关性能。     

低重分配概率的OVSF码重分配算法

在采用正交可变长扩频因子(OVSF)码作为信道化码的直接序列扩频码分多址系统中,提出用重分配概率作为重分配算法的一个新的评价指标,重分配概率越小,系统的计算复杂度越低。进而提出一种低重分配概率的、基于空码容量的重分配算法,在解决本次码阻塞的同时,兼顾对未来高数据速率的呼叫的支持能力,减少未来码阻塞发生。仿真证实,重分配概率比已有2种重分配算法都小。     

应用AR模型的IMU误差系数漂移预测研究

将影响IMU误差系数漂移并难于分离的多种因素综合为一种因素，假定IMU误差系数的漂移由一特定系统所引起，从而采用时间序列建模方法进行IMU误差系数漂移的预测。该方法具有消除各因素具体分析中的不确定性并减少其工作员的优点。文中描述了其原理，对某惯组的33个误差系数进行了时间序列建模与预测并得到有效的结果。最后还阐述了存在的问题及其解决方法。     

一类广义几何序列的相关函数

计算序列的周期相关函数是一个很困难但又十分重要的问题。本文首次给出了线性相关广义几何序列的相关函数，从而部分地解决了Ｋｌａｐｐｅｒ提出的相关函数计算问题。     

证券组合的快车道问题研究

本文建立了新的证券组合最优控制模型，分析了证券市场长期投资过程中证券组合的快车道问题；提出了隐式规划的模拟退火方法，进行了快车道的仿真，这对于证券市场长期稳定运行和投资具有实际意义。     

脉冲序列的快速搜索法及可信度分析

对于周期脉冲序列的信号分选识别，可采用序列搜索的时域方法[1，2]。本文将大周期内完全重复的脉冲序列分解为多个“单周期信号”．并把它们均定义为周期性信号．同时，提出了序列搜索的一种软件实现方法及密集视频脉冲信号分选的变步长、信步长快速搜索法．在此基础上，本文针对序列搜索分选法的可信度计算公式进行了推导和分析，证实了这种方法的可行性和有效性．     

聚合物载体－稀土金属络合物的研究 ⅩⅢ．聚［苯乙烯－甲基丙烯酸β（甲基亚硫酰基）乙酯］的结构与其稀土金属络合物催化丁二烯聚合的活性

从测得的竞聚率计算了单体链节在聚［苯乙烯－甲基丙烯酸β（甲基亚硫酰基）乙酯］（ＰＳＭ）中的序列分布。苯乙烯（Ｓ）或甲基丙烯酸β（甲基亚硫酰基）乙酯（Ｍ）的长序列的概率随着ＰＳＭ中相应单体含量的增加而增加。对于Ｓ和Ｍ摩尔分数大致相等的ＰＳＭ，单体链节的长序列分布函数值相接近。用与此结构相近的ＰＳＭ合成的稀土金属络合物，其催化活性不佳。在Ｍ短序列分布和Ｓ长序列分布较高的情况下，络合物的催化活性最好。所得聚丁二烯的微观结构与ＰＳＭ中单体单元的分布无关。     

基于一种特定混沌映射的跳频序列

使用一种简单的分段线性映射构造混沌跳频序列。用于跳频通信中取代传统的伪随机序列（PN序列），分析了此混沌序列的周期性。平衡性，汉明相关特性和线性间隔，最后给出了混沌序列的神经网络实现。仿真和实验结果表明，此序列具有较好的统计特性。应用于跳频多址通信中，可获得较好的抗干扰。抗截获能力。     

DNA序列比对分析中的统计特征方法

提出了一种新的基于统计的序列特征定义,并以此对进化树进行构建.同时对这一方法进行了分类测试和进化树构建测试,发现所得测试结果与同样是用进化树进行构建的基于两序列比对的传统算法比较,其性能和适用性都有明显改善.     

用于机器人轨迹定位纠正系统的回声状态神经网络研究

循环神经网络(RecurrentNeuralNetworks)是人工神经网络(ArtificialNeuralNetworks)中重要的分支,与前馈神经网络(ForwardNeuralNetworks)相比具有更好的时间序列学习能力。但长期以来其学习法一直不能脱离前馈神经网络而自成一体,回声状态神经网络(EchoStateNetworks(ESN))是打破这一局面的全新学习方法。其独特的结构,良好的短期记忆能力,方便的学习方法,不俗的非线性特性是以前循环神经网络所不可比的。本文在介绍了回声状态神经网络之后将其用于四轮机器人的位置测量系统中,有良好的表现。