检索结果-内蒙古大学图书馆

现代雷达 2019年第10期41卷 62-67页

作者：程浩马家园刘国庆南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京工业大学数理科学学院南京211816

高频地波雷达回波信号的频谱主要由一阶峰与二阶谱构成,而这些频谱中蕴含着丰富的海况信息,因此分离其频谱具有重要的理论和现实意义。利用高频地波雷达信号的一阶峰与二阶谱信号的独立性,分别建立不同阶次的自回归(AR)模型。为了估计... 详细信息

高频地波雷达回波信号的频谱主要由一阶峰与二阶谱构成,而这些频谱中蕴含着丰富的海况信息,因此分离其频谱具有重要的理论和现实意义。利用高频地波雷达信号的一阶峰与二阶谱信号的独立性,分别建立不同阶次的自回归(AR)模型。为了估计对应于一阶峰和二阶谱的AR模型阶数和参数,首先利用自适应原子分裂算法对回波谱进行稀疏估计,得到一阶峰与二阶谱的混合特征根及其由特征根构成的自相关函数的系数;然后,利用特征根的组合构成两个自回归模型,分别计算对应模型的由特征根表示的自相关函数的系数,并将所得到特征根表示的自相关系数逐一进行对比,当所有的特征根表示的自相关系数都近似相等时,则实现对一阶峰和二阶谱的分离;最后,模拟数据及真实的高频地波雷达回波谱信号分离计算验证了该方法的可行性。

关键词：高频地波雷达 AR模型自相关系数信号分离

来源：评论

学校读者我要写书评

暂无评论

一种基于曲率变分正则化的小波变换图像去噪方法

引用

电子学报 2018年第3期46卷 621-628页

作者：周先春吴婷石兰芳陈铭南京信息工程大学电子与信息工程学院江苏南京210044 儿童发展与学习科学教育部重点实验室(东南大学) 江苏南京210009 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学数学与统计学院江苏南京210044

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征(如边缘、细小纹理等)易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处... 详细信息

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征(如边缘、细小纹理等)易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.

关键词：图像去噪变分模型驱动函数水平集曲率小波变换

来源：评论

学校读者我要写书评

暂无评论

弱素性可加数性质的研究

引用

南京师大学报（自然科学版） 2018年第4期41卷 26-28页

作者：方金辉南京信息工程大学数学与统计学院南京江苏210044

设n是正整数,若n有至少两个互异素因子,而且存在n的互异素因子p_1,p_2,…,pt和正整数α_1,α_2,…,αt使得n=p_1^(α1)+p_2^(2α)+…+p_t^(αt),那么我们称n为弱素性可加数.本文中,我们通过多次巧妙应用中国剩余定理、Dirichlet定理和... 详细信息

设n是正整数,若n有至少两个互异素因子,而且存在n的互异素因子p_1,p_2,…,pt和正整数α_1,α_2,…,αt使得n=p_1^(α1)+p_2^(2α)+…+p_t^(αt),那么我们称n为弱素性可加数.本文中,我们通过多次巧妙应用中国剩余定理、Dirichlet定理和二次互反律证明:对任意正整数m和t,存在无穷多个弱素性可加数n使得m|n且n=p_1^(α1)+p_2^(α2)+…+p_(4t)^(4αt)+p_(4t+1)^(αt4+1),其中p1,p2,…,p_(4t+1)是n的互异素因子,α_1,α_2,…,α_(4t+1)是正整数.

关键词：弱素性可加数 Dirichlet定理中国剩余定理

来源：评论

学校读者我要写书评

暂无评论

基于纵向数据的超高维特征筛选

引用

福建师范大学学报（自然科学版） 2018年第3期34卷 8-13,51页

作者：来鹏王昉健南京信息工程大学数学与统计学院江苏南京210044

实际问题研究中常常面临复杂数据,其中超高维数据和纵向数据常见于医学、经济学等大数据领域.基于超高维纵向数据的结构特征,推广确定独立筛选SIS(Sure Independence Screening)方法,构造了基于纵向数据组内相关结构的边际特征筛选方法... 详细信息

实际问题研究中常常面临复杂数据,其中超高维数据和纵向数据常见于医学、经济学等大数据领域.基于超高维纵向数据的结构特征,推广确定独立筛选SIS(Sure Independence Screening)方法,构造了基于纵向数据组内相关结构的边际特征筛选方法,对超高维问题进行筛选降维,并从理论上证明了所提出降维筛选过程满足确定性筛选性质,从数值模拟上研究了其有限样本性质.

关键词：超高维数据纵向数据特征筛选确定性筛选性质

来源：评论

学校读者我要写书评

暂无评论

一类带奇异项的退化Grushin方程的零控问题（英文）