E-空间上的Ekeland变分原理

[本文提出了一个抽象的定序原理;证明了E-空间上的Ekeland变分原理及Caristi不动点定理;统一和推广了[1,6,7,8,9,10,14]中的结论;得到了随机的Caristi不动点定理。]     

外加电场法制备LiNbO3周期畴的工艺研究

研究了LiNbO₃单晶周期极化畴结构的制备工艺, 讨论了外电场的特性对周期极化过程的影响. 在对周期畴制备各工艺步骤进行实验研究的基础上, 提出解决LiNbO₃单晶周期畴制备中一直存在的边缘击穿问题, 必须选择合适的周期电极形式并对脉冲波形进行优化. 采用所提出的工艺, LiNbO₃周期极化畴的成品率提高到了90%. 为解决周期极化过程中反转畴的侧向扩展, 在对周期极化物理过程进行分析的基础上, 采取了对周期电极宽度进行优化设计和在样品上包覆聚酰亚胺绝缘胶的方法, 有效克服了这一问题, 制备了占空比符合预期的高质量的周期畴结构.     

基于不确定性度量的证据组合方法

针对Dempster组合规则不能有效组合冲突证据,已有的基于证据间距离的改进组合方法计算复杂度较大的情况,提出了一种证据加权平均组合方法。首先以邓勇等人的组合方法为例计算了基于证据间距离的改进组合方法的计算复杂度,分析了造成计算复杂度较大的原因;然后通过引入证据的不确定性度量概念来描述证据的不确定性并以此为基础定义证据的权重;最后给出算法步骤。理论分析和数值算例表明,该方法能有效融合冲突证据,收敛速度快且降低了计算复杂度。     

一类概率赋范空间的压缩性质

证明了完备的一致局部半凸概率赋范空间上的概率压缩映象必有唯一不动点,得到了一类度量线性空间中关于伪范数族一致压缩映象的不动点定理。     

有序粒子概率假定密度跟踪算法

针对由单传感器概率假定密度滤波到多传感器情形推导困难的问题,提出了一种有序粒子概率假定密度跟踪算法。首先,推导出集中式多传感器粒子概率假定密度滤波模型,再根据集中式融合系统的特点,选取与多传感器相关的重要性密度函数,通过多传感器多步更新重采样粒子,从而实现多传感器多目标有序粒子概率假定密度跟踪。仿真结果表明,该算法的跟踪误差距离差要小于单传感器粒子概率假定密度跟踪算法,且具有更优越的跟踪性能。     

车牌自动识别的图像匹配追踪算法

快速、准确的车辆自动识别系统对于现代智能交通有着重要的意义。该系统采用了射频识别技术（RFID）,通过射频IC卡采集车辆数据信息,车辆可进行自动识别,且识别率较高;此外针对无车卡的情况,系统采用匹配追踪算法,通过从相应字典中逐个挑选基来实现对图像的识别,分别给出对车牌检测和识别的相应的内部算法,在车速过快、车牌模糊等恶劣情况下仍然保持较高的识别率。     

一种改进的基于概率假设密度滤波的多目标跟踪方法

针对概率假设密度（PHD）滤波使用聚类方法提取目标状态时,会出现结果不准确,且PHD滤波无法给出状态到航迹关联的问题,提出一种在目标状态中加入标签的方法来实现状态到航迹的关联．该方法对权值较大的标签,通过两次确认来剔除杂波干扰,得到比传统PHD滤波更精确的状态估计．在提取目标状态时,只对相同标签的粒子进行处理,避免使用聚类方法．通过与传统PHD算法的仿真对比表明,改进算法具有较好的跟踪性能．     

周期极化LiNbO3晶片的制备工艺研究

采用外加电场法制备了周期极化LiNbO3单晶(PPLN),实现LiNbO3单晶周期极化的反向脉冲为24.3 kV/mm,单个脉冲宽度为30 ms,脉冲个数为50个。系统研究了脉冲波形、电极形状对周期极化的影响,实验结果证明,框形电极是克服高电压作用下LiNbO3晶片击穿严重的有效方法,成品率是采用梳状电极的5倍。选择合适的脉冲波形对成功制备周期极化的LiNbO3晶体有着极其重要的作用。采用上升时间为5 ms的方形脉冲极大地改善了高电压作用下的边缘被打碎而引发的边缘击穿,及由晶片中间部分出现微细裂纹而引发的体击穿。     

外加电场法制备LiNbO3周期畴的工艺研究

研究了LiNbO₃单晶周期极化畴结构的制备工艺, 讨论了外电场的特性对周期极化过程的影响. 在对周期畴制备各工艺步骤进行实验研究的基础上, 提出解决LiNbO₃单晶周期畴制备中一直存在的边缘击穿问题, 必须选择合适的周期电极形式并对脉冲波形进行优化. 采用所提出的工艺, LiNbO₃周期极化畴的成品率提高到了90%. 为解决周期极化过程中反转畴的侧向扩展, 在对周期极化物理过程进行分析的基础上, 采取了对周期电极宽度进行优化设计和在样品上包覆聚酰亚胺绝缘胶的方法, 有效克服了这一问题, 制备了占空比符合预期的高质量的周期畴结构.