简介:Inthispaper,weproposeaparallelGauss-Seideltypeiterativemethodforsolvingthelarge-scalesystemofnonlinearalgebraicequationsAφ(x)+Bψ(x)=b,whichisanasynchronousvariantofthesynchronousparallelnonlinearGauus-SeideltypemethodgivenbyR.E.White.Withalmostthesamebutsomewhatmorerelaxedconstrainteonthemultiplesplittings,weprovetheconvergenceandestimatetheconvergencerateofthenewmethod.
简介:针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法(GF),并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器(CKF-RDCN)。首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计。其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题。最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计。此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式。仿真结果表明,相比于扩展卡尔曼滤波算法(EKF)以及容积卡尔曼滤波算法(CKF),CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性。
简介:●目标检测因式分解(A)一、填空题(1)提公因式法、公式法、分组分解法、十字相乘法;(2)4;(3)-4x;(4)m2-2m+4;(5)x+1、x-1;(6)ax-6;(7)a-3;(8)y、5y;(9)25;(10)原式=25(5022-4982)=25(502+498)(502-498)=25×1000×4=100000.二、选择题(1)D;(2)x4-81=(x2+9)(x+3)(x-3),x3-27=(x-3)(x2+3x+9),x2-6x+9=(x-3)2,所以公因式是x-3,选B;(3)A;(4)D;(5)B;(6)C;(7)C;(8)D.三、把下列各式分解因式(1)8a2-2b2
简介:针对基础物理实验教学长期以来存在的许多弊端,分别从课程体系、课程内容、教学方法、教学手段等方面提出改进意见,旨在更好的达到基础物理实验教学的效果。