论文部分内容阅读
本文提出了一种基于双正交小波多分辨分析的多重网格方法。该方法具有粗网格生成和粗细网格间转换的自动化性质,插值算子和限制算子具有高精度逼近性;这两点使得该方法在实际应用中简便高效。算法中考虑了自适应技术。数值试验验证了该算法的优效性。
基于小波的多重网格方法
【摘 要】
：
本文提出了一种基于双正交小波多分辨分析的多重网格方法。该方法具有粗网格生成和粗细网格间转换的自动化性质,插值算子和限制算子具有高精度逼近性;这两点使得该方法在实际应用中简便高效。算法中考虑了自适应技术。数值试验验证了该算法的优效性。
【机 构】
：
国防科学技术大学
【出 处】
：
国防科技大学
【发表日期】
：
2005年01期
其他文献
非线性组合序列作为一类重要的密钥流生成器,其设计和分析一直是序列密码研究的一个重要方向。在序列密码的分析中,线性密码分析和相关密码分析是应用的最多且最为有效的两种方法。本文主要研究了非线性组合序列的性质与特点,并针对不同条件下的组合生成器模型提出了相应的攻击方法。针对具有一定相关性的非线性组合序列,利用线性移位寄存器的递推关系,通过构造一个新的函数,把对驱动序列初态的求解转换成一个最佳线性逼近问题
本文主要讨论了复杂的再生核空间W2m [a ,b]再生核的构造方法,以及最佳逼近算子和有界泛函的最佳逼近,同时给出W2m [R ]空间的再生核的递推公式。第三章中,对于简单的再生核空间W2~1 [a ,b],利用微分算子插值样条函数的方法给出了该空间的再生核,并证实了本文所给方法其实是传统的定义适当的内积并解微分方程的边值问题得出再生核方法的推广,利用所得的再生核给出了有界线性泛函的的最佳逼近表达
图的因子理论是图论的重要分支之一,是图论研究中的最活跃的课题之一.特别是图的因子分解研究是一个引人注目的课题,它在网络设计和计算机科学中有着广泛的应用.目前,关于图的因子分解已有很多结论.本文主要基于图的因子分解的如下几个问题作了一些工作. 1.完全图的因子分解问题.本文研究了完全图的分支因子分解,分别给出了完全图K2n的{K2, Sn-1}因子分解、2ùS n-1因子分解和当n=r′m为合数时的
双星编队星座在当前研究中占据着重要地位,其功能的成功实现依赖于编队卫星状态的高精度确定,这一状态包括:编队卫星的绝对和相对的姿态、位置及钟差。GPS技术是编队星座状态确定的主要手段,它具有伪距测量和载波相位测量两种状态确定方式:前者使用精度为10m的GPS伪距观测值,主要用于定位,简便易行,但定位精度低;后者使用精度为10-3m的GPS载波相位观测值,可定位也可定姿,观测精度高,但计算复杂,尤其是
本文利用Taylor展开式导出了一系列半离散的紧致格式，紧致格式具有网格基点少、精度高的优点，但是它在解的间断区会产生Gibbs现象，这将影响解的结果并导致其不稳定，为了克服这些不足之处，比较好的方法之一就是所谓的“总变差不增（TVD）格式”，它在精度和计算的花费两方面比较适宜，TVD格式是一种高分辨率的激波捕捉格式。然而它在激波处可能降阶。 紧致—TVD型混合格式是基于使用高阶的紧致迎风型
旋转式激光陀螺寻北仪中,四频差动激光陀螺是核心器件。保证激光陀螺本体的精度是寻北仪精确指北的前提。光电前放和稳频电路是激光陀螺外围电路的主要组成部分,因此光电前放和稳频电路的设计在整个寻北仪系统的设计中显得尤为重要。本文首先介绍了四频差动激光陀螺及其稳频的基本原理,在此基础上引出直流和交流稳频两种方案,分析了两种方案各自的优缺点,结合寻北仪系统中激光陀螺工作动态范围不大的特点,得出最适合寻北仪系统
离散三角变换与Toeplitz系统在科学和工程计算中应用非常广泛，如快速富里叶变换、离散正弦变换已经构成信号处理的基本理论，而信号处理中反馈数字滤波器的滤波系数、阵列天线的雷达散射截面分析、时间序列分析中固定自返模式的未知参数、控制论中的最小实现问题等都离不开Toeplitz系统的求解。 因此，本文主要研究离散正弦变换的浮点快速算法、带尺度离散正弦变换算法与整数实现算法，Toeplitz系统
碳纤维阴极具有发射均匀、阴极等离子体膨胀速度慢、使用寿命长、出气率低、发射阈值小等突出优点,将碳纤维阴极应用于与其相匹配、相适应的微波源上,明显提高了微波输出脉宽和效率。碳纤维属于半导体,含碳量高达90%以上,稳定性好;其疏松层状和孔隙微观结构具有强吸附性;3650℃升华高温延长了阴极的使用寿命。我们研制的碳纤维阴极不仅制备工艺独特、实用性强,而且在Tomachan反射三极管虚阴极振荡器实验中取得
隐马氏模型（Hidden Markov Models）是一类统计模型，简称HMM。它包括一个不被直接观测的马尔可夫过程和一个与之相关的可观测过程。隐马氏模型需要解决三个问题：学习问题、识别问题和解码问题，对这三个问题的回答构成了隐马氏模型的理论。其中，参数估计是学习问题的核心。 在目前用于语音识别的隐马氏模型中，由于对模型的刻画不够精确，故而在识别过程会产生一些大的误差。特别在说话人识别当中