S波自旋单态底夸克偶素衰变到粲夸克对

对S波自旋单态底夸克偶素衰变到粲夸克对进行了研究,同时还研究了S波自旋单态和自旋三重态底夸克偶素衰变到D介子对。利用BaBar实验组测量得到的自旋三重态底夸克偶素衰变到D介子分支比的数据,发现自旋三重态底夸克偶素的色八重态矩阵元远小于理论预言,理论预言要比实验上限大20倍以上;得到S波自旋单态底夸克偶素衰变到粲夸克对的分支比的理论预言,可以进行实验测量从而研究色八重态矩阵元;得到S波自旋单态底夸克偶素衰变到D介子对的分支比的理论预言,与其他理论预言差异较大。这些预言可以通过BelleⅡ的实验进行验证,从而得到更多强子化的信息。      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。      

基于视频的三维人体姿态估计

已有的三维人体姿态估计方法侧重于通过单帧图像来估计人体的三维姿态,忽略了视频中前后帧之间的相关性,因此,通过挖掘视频在时间维度上的信息可以进一步提高三维人体姿态估计的准确率。基于此,设计了一种可以充分提取视频时序信息的卷积神经网络结构,在获得高精度的同时也具有消耗计算资源小的优点,仅仅使用二维关节点的坐标为输入即可恢复完整的三维人体姿态。然后提出了一种新的损失函数利用相邻帧间人体姿态的连续性,来改进视频序列中三维姿态估计的平滑性,同时也解决了因缺少帧间信息而导致准确率下降的问题。通过在公开数据集Human3.6M上进行测试,实验结果表明本文方法相比目前的基准三维姿态估计算法的平均测试误差降低了1.2 mm,对于视频序列的三维人体姿态估计有着较高的准确率。      

“田口式质量损失函数”的应用

利用质量损失函数，讨论产品质量波动给社会带来的损失，并将其应用于企业生产中，使企业改进了产品质量，提高了效益。这说明，在质量管理中，解决“质量”问题时，必须把改进质量的焦点移向产品的设计和开发阶段，即从以往的“产品出厂后的检查或加工过程中的控制”的质量观，推向“产品设计阶段的优化”，从“下游管理”转向“上游管理”，使产品设计或加工过程设计成为保证产品质量优化的关键。     

Beamlet变换提取线特征的改进算法

文章首先利用二进方块中Beamlet基的对称、平行等几何性质对离散Beamlet基进行分类;然后通过定义一个新的二进方块统计量和建立一个新的能量函数,对Beamlet变换方法中利用BD-RDP提取线特征的算法进行改进.通过实验对比,该算法进一步减少了运算量,提高了线特征提取的速度,且对复杂结构图像中的线特征提取效果更为清晰.     

灾变机制下的元胞遗传算法

文章提出了一种改进的加入灾难的元胞遗传算法.该算法是细粒式并行遗传算法和粗粒式并行遗传算法的混合形式.在遗传算法和元胞自动机的原理基础上,通过加入灾难的方式,用于求解复杂甬数优化问题,获得了较好的效果.     

CONSTRUCTIONOFACLASSOFPNSEQUENCESWITHPRIMENUMBERPERIODSOF4t＋1FORM

构造了一类４ｔ＋１型质数周期的伪随机序列。该序列提供了比ｍ（Ｍ）序列更多的可供选择周期数，同时证明了它具有良好的伪随机特性     

基于GPS的陆地车辆跟踪与监视系统(英文)

介绍了建立在差分GPS和航位推算(DR)组合基础上的低成本陆地车辆跟踪与监视系统.从低成本角度出发,文中提出了采用单方向通讯数据链的新方案。为了保证定位精度,给出了差分GPS算法,并且详细研究了一个8状态的Kalman滤波器.最后使用两台C/A码GPS接收 机进行野外跑车试验.结果表明,差分定位精度小于5m.     

基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。