最大特征值

摘要： 研究了两个关于图是密蜈蚣的连箭矩阵A_(3n)(即多个连续箭形矩阵组合而成的大型矩阵)重构的逆特征值问题,主要是从给定的部分特征数据出发,如矩阵的特征对和最大特征值,利用该矩阵顺序主子阵间的递推关系来实现。最后给出了该矩阵解的表达式以及数值模拟实例,验证了结果的准确性。

摘要： 对于任意的α∈[0,1],Nikiforov提出了矩阵A_(α)(G)=αD(G)+(1-α)A(G),记为图G的A_(α)-矩阵,其中A(G)是G的邻接矩阵,D(G)是G的度对角矩阵.矩阵A_(α)(G)的最大特征值称为图G的A_(α)-谱半径.本文考虑有k个悬挂点的所有单圈图,确定了具有最大A_(α)-谱半径的图.

摘要： 通过构造两个特殊的矩阵,给出非负矩阵最大特征值的上下界估计式,且这些估计式只和非负矩阵的元素有关,计算方便.同时对非负矩阵最大特征值下界估计式的单调递增性和上界估计式的单调递减性进行了证明.在此基础上,利用单调有界准则证明了上下界估计式极限的存在性.最后将所得结果与经典的Frobenius界值进行比较,数值算例表明估计的有效性和精确性.

摘要： 研究了一个特殊矩阵A的两类逆问题,其中矩阵A是由图为扫帚形的矩阵推广而来的.问题1利用箭形矩阵和Jacobi矩阵的相关性质,将求解此类矩阵的逆特征值问题转换为求解线性方程组问题,最后得到了该问题有唯一解的充分必要条件.问题2将该矩阵的每个顺序主子式的最小和最大特征值作为其特征数据,利用矩阵顺序主子式之间的递推关系来解决.两个问题最后均给出了解的表达式以及数值模拟实例,验证了结果的准确性,推广了箭形矩阵和Jacobi矩阵的逆特征值问题.

摘要： 利用矩阵的对角相似变换,给出了不可约非负矩阵最大特征值的一种算法,在每一步迭代时引入一个适合的参数,算法简单适用.

摘要： 利用Collatz-Wielandt函数给出一种含参变量的计算不可约非负矩阵最大特征值和对应特征向量的算法,在算法迭代中的每一步均可恰当地选择参数,使算法达到优化.

摘要： 为提高在负荷波动性较大场景下对异常负荷判别的适应性,提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型.利用时序历史负荷数据训练卷积神经网络模型进行负荷预测,并根据预测负荷值计算电网未来的状态变量数据,通过该状态变量数据源矩阵的构造,依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵,进而设定基于样本协方差矩阵最大特征值的动态阈值,利用该阈值对当前时刻的最大特征值进行越限判定,实现对电网异常负荷的动态判别.借助Matlab R2014a和PST软件工具,在IEEE50机145母线标准系统中进行仿真测试,结果表明,与传统阈值模型相比,该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高.

摘要： 现有的基于渐进谱理论的频谱感知算法通常只考虑单用户感知,并且在低信噪比环境下,由于接收信号的协方差矩阵的特征值被"压缩"到M-P律的特征值上界附近,使噪声和信号对应的特征值难以分辨,造成检测性能下降.通过增加辅助信号,提出了多用户协作的基于最大特征值的感知算法,使目标信号对应的最大特征值右移出M-P律的上边界并服从高斯分布.理论和仿真结果均表明,该算法相较于现有的基于RMT的感知算法有更好的感知性能,并且在认知用户数或者采样点有限的情况下依旧有较好的感知性能.

摘要： 与现有固定的无线频谱分配策略不同的是,未来认知无线电设备能够动态的感知并接入频段,这就需要我们能够感知出空闲频段.频谱感知已经成为了认知无线电系统中最具挑战的问题之一.如何在低SNR情况下检测出授权用户的存在对于认知无线电的应用非常关键。一种基于最大特征值的感知算法被应用到认知无线电系统中,这种算法不需要知道关于信道和噪声的信息。与传统的能量检测器相比,仿真结果显示这种算法具有更好的性能,并能有效改善低SNR情况下信号的检测性能。当认知用户无法获得关于授权用户足够的信息时,这种方法是非常适用的。

摘要： 华罗庚于1985年对于封闭的无消费的经济系统,提出“正特征向量法”。本文对于增加了消费的开放的经济系统。进一步说明“正特征向量法”依然成立;同时,基于投入产出分析,根据线性系统理论,给出了直接消耗系数矩阵最小特征值的经济意义,给出了矩阵最大特征值的新的经济意义解释。最后,计算得到中国1995年、2000年和2005年的直接消耗系数矩阵的最大特征值,并与其他国家相比较,结论是这期间最大特征值不断增大,大于其它国家,说明中国经济的中间产品投入率越来越高,最终产品率越来越低,事实也确实如此。

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本文介绍一种新型的自适应波束形成算法.该方法主要贡献是在牺牲最小的精度来极大的减小计算量.由每一个新的信号向量得到的次优权向量的计算量约为O(2N+5N).若将每一快拍的瞬时信号向量来更新自相关矩阵,那么计算量可以进一步减少到O(3N).该算法的自适应增益由收敛条件得到.该波束形成算法应用于码分多址(CDMA)移动通信系统的基站.

摘要： 本发明提出了一种票据特征值的检测系统和票据特征值的检测方法，其中，所述票据特征值的检测系统包括：固定面板，包括第一检测窗口；移动面板，包括标样块和第二检测窗口，标样块和第二检测窗口随着移动面板的移动而移动；检测装置，用于当确定标样块随着移动面板移动到对应第一检测窗口的位置时，检测标样块的测试值，根据测试值计算光源修正系数，当确定第二检测窗口随着移动面板移动到对应第一检测窗口的位置时，检测票据的初始特征值，获取票据被传送至第一检测窗口的传送速度，并根据初始特征值、传送速度和光源修正系数，确定票据的最终特征值。通过本发明的技术方案，有效地提高了对票据的特征值的检测精度。

摘要： 函数生成单元81使用预先准备的第一模板来生成特征值生成函数，该特征值生成函数从包含预测目标的变量的第一表和第二表生成可以影响预测目标的特征。特征值生成单元82向第一表和第二表应用特征值生成函数以生成特征值。说明文本生成单元83基于第二模板来生成关于特征值生成函数或特征值的说明文本。接收单元84接收要被替代到给第一和第二模板中的值。函数生成单元81将接收到的值替代到第一模板中并且生成特征值生成函数，并且说明文本生成单元83将被替代到第一模板中的该值替代到第二模板中并且生成说明文本。

摘要： 本发明提出了一种票据特征值的检测系统和票据特征值的检测方法，其中，所述票据特征值的检测系统包括：固定面板，包括第一检测窗口；移动面板，包括标样块和第二检测窗口，标样块和第二检测窗口随着移动面板的移动而移动；检测装置，用于当确定标样块随着移动面板移动到对应第一检测窗口的位置时，检测标样块的测试值，根据测试值计算光源修正系数，当确定第二检测窗口随着移动面板移动到对应第一检测窗口的位置时，检测票据的初始特征值，获取票据被传送至第一检测窗口的传送速度，并根据初始特征值、传送速度和光源修正系数，确定票据的最终特征值。通过本发明的技术方案，有效地提高了对票据的特征值的检测精度。

摘要： 提供了一种声音检测装置，包括：特征值提取单元，其从输入时间信号中提取每隔预定时间的特征值；特征值保持单元，其保持预定数目的检测目标声音项的特征值序列；以及比较单元，其每当特征值提取单元新提取出特征值时，分别将特征值提取单元提取的特征值序列与保持的预定数目的检测目标声音项的特征值序列相比较，并且获取预定数目的检测目标声音项的检测结果，其中特征值提取单元包括时频变换单元和似然分布检测单元，在频率方向和时间方向上使获得的似然分布平滑并且提取按照预定时间的特征值。

摘要： 在一种用于检测在同一生产线上依次制造的至少三个产品的异常特征值的方法中，确定该产品的多个依次获得的特征值是否发生连续交替增/减的趋势。另外，确定是否特征值中的至少一个在比可允许区域窄的控制区域内且在比控制区域窄的正常区域外。此外，当发生连续交替增/减的趋势且至少一个特征值位于正常区域之外的控制区域内时，检测到警示状态。

摘要： 本发明公开了一种利用小特征值估计噪声功率的最大特征值频谱感知方法，其处理过程为：在当前感知时隙内，对来自多个通道的信号进行多次采样，将每次采样得到的多个样本构成样本向量；然后根据所有样本向量计算协方差矩阵；接着计算协方差矩阵的所有特征值，并按从小到大排序；之后将排序后的所有特征值对应的修正特征值的前一半作为小特征值，根据所有小特征值来估计噪声功率；再根据协方差矩阵的最大特征值及噪声功率，计算检验统计量；最后通过比较检验统计量与判决门限的大小，判定当前感知时隙内是否存在授权用户信号；优点是利用了协方差矩阵的最大特征值和估计的噪声功率，能够获得较好的感知性能。

摘要： 本发明公开了一种基于最大特征值和主特征向量的双特征频谱感知方法，其计算在当前感知时隙内和在先的多个连续的感知时隙内各自接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量；其次根据在先的多个连续的感知时隙相应的最大特征值及其对应的主特征向量，获得授权用户信号的协方差矩阵的主特征向量的估计值和高斯白噪声的协方差矩阵的最大特征值的估计值；再次根据在当前感知时隙内接收到的信号的协方差矩阵的最大特征值、主特征向量和两个估计值，获得第一检验统计量值和第二检验统计量值；最后通过比较第一检验统计量值与第一判决门限及第二检验统计量值与第二判决门限来实现频谱感知；优点是能有效地提高频谱感知的性能。

摘要： 本发明公开了一种利用小特征值估计噪声功率的最大特征值频谱感知方法，其处理过程为：在当前感知时隙内，对来自多个通道的信号进行多次采样，将每次采样得到的多个样本构成样本向量；然后根据所有样本向量计算协方差矩阵；接着计算协方差矩阵的所有特征值，并按从小到大排序；之后将排序后的所有特征值对应的修正特征值的前一半作为小特征值，根据所有小特征值来估计噪声功率；再根据协方差矩阵的最大特征值及噪声功率，计算检验统计量；最后通过比较检验统计量与判决门限的大小，判定当前感知时隙内是否存在授权用户信号；优点是利用了协方差矩阵的最大特征值和估计的噪声功率，能够获得较好的感知性能。

摘要： 本发明公开了一种基于最大特征值和主特征向量的双特征频谱感知方法，其计算在当前感知时隙内和在先的多个连续的感知时隙内各自接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量；其次根据在先的多个连续的感知时隙相应的最大特征值及其对应的主特征向量，获得授权用户信号的协方差矩阵的主特征向量的估计值和高斯白噪声的协方差矩阵的最大特征值的估计值；再次根据在当前感知时隙内接收到的信号的协方差矩阵的最大特征值、主特征向量和两个估计值，获得第一检验统计量值和第二检验统计量值；最后通过比较第一检验统计量值与第一判决门限及第二检验统计量值与第二判决门限来实现频谱感知；优点是能有效地提高频谱感知的性能。

摘要： 本发明公开了一种基于过采样的最大特征值检测器，其对认知用户在一个时隙内接收到的信号进行过采样；然后获取过采样得到的所有样本经过离散傅里叶变换后得到的在各个频点上的频域信号，频点的范围由过采样次数与过采样率确定的噪声频带的范围和在噪声频带的两边各取的间隔的带宽决定；再根据在各个频点上的频域信号的功率谱密度估计噪声功率；接着根据噪声功率和接收信号的样本协方差矩阵的最大特征值计算检验统计量；最后通过比较检验统计量和判决门限的大小，判定主用户信号是否存在，从而实现频谱感知；优点是其能够解决最大特征值检测法性能受到噪声不确定性因素影响的问题。