针对复杂采空区激光探测中存在探测“盲区”和点云数据分布不均的问题，研究激光多点扫描和点云数据拼接与精简方法.通过多点探测避免了单次探测“盲区”，加密了数据稀疏区.提出了基于公共坐标和最小二乘法的靶标矩阵转换方法，实现了多点探测点云的拼接.统计了点云密集区的分布规律；对密集散乱点云，提出了沿y轴方向分层剖分，层内数据以x和z坐标极值分区，区内每点以x值排序后依步长筛选的精简算法.大型贯通采空区验证表明：基于最小二乘法的拼接算法最优，误差范围在0.1 mm左右；数据精简率为15%-25%，确保了边界三维信息的完整性

本文结合极点配置的基本设计思想,提出了一类具有输出跟踪的多变量自校正控制算法。该算法将工程应用中提出的要求与系统的性能指标联系起来,实现了闭环极点配置的广义最小方差控制,而性能指标中加权多项式矩阵R(z-1)的选取是根据使闭环系统输出对参考信号实现稳态无偏跟踪的原则进行的。进而运用Martingle收敛理论对算法进行了研究,导出了控制器的无偏收敛条件。数字仿真研究表明了该算法的可行性和有效性

本文讨论了非方系统在状态反馈和输入变换下的解耦与稳定解耦的问题。利用在反馈和输入变换下矩阵的特点,给出了解耦问题有解的充分必要条件,并进状态一步利用Yokoyama标准形的性质得到非方系统稳定解耦问题有解的充分必要条件

为了解决多芯电缆的非侵入式电流测量由于被测对象信号微弱、系统灵敏度高、易受环境因素干扰，造成测量误差较大的问题，采用磁阻传感器的非侵入式电流测量系统为研究对象，在分析系统测量方法及硬铁、软铁和比例因子等误差构成的基础上，提出一种基于二步法的误差校正方法，该方法通过对传感器输出信号进行非线性变换，构造了与误差相对应的矩阵方程，并在对方程求解后进行非线性回归计算，从而实现对多芯电缆的电流测量值的动态误差修正.实验结果表明，该方法可以同时校正非侵入式电流测量系统的线性误差与部分非线性误差

提出了一种分数阶的对称性近似平移不变过完备小波的构造方法.首先,给出一种构造具有对称性且具有最小长度的低通滤波器方法.其次,通过拓普利兹矩阵分解法求出对应的具有近似平移不变性的高通滤波器,此方法比其他分解方法具有更低的计算复杂度.此外,利用此构造方法,也得到具有更高阶消失矩的分数阶过完备小波变换.最后,将构造出的分数阶对称平移不变过完备小波应用到轴承故障诊断中.实验结果表明,提出的小波变换能有效地提取出轴承的故障特征

为探究口环密封对多级离心泵转子横-轴双向耦合振动的影响，基于空间欧拉角变换及有限元法，建立了多级离心泵转子系统叶轮和轴系的微分运动方程，在此基础上，充分考虑口环流体激振力和多种轴向力的耦合作用，利用矩阵运算方法建立了多级离心泵湿转子的横-轴双向耦合振动模型，并采用Newmark法对双向耦合系统的瞬态动力学特性进行求解，重点研究了口环密封长度、压差和间隙对系统耦合振动特性的变化规律，计算了不同密封参数下的流体激振力.计算结果表明，口环密封对转子系统横向振动的洛马金效应随着密封长度和压差的增大以及间隙的减小愈发明显，转子系统的横向稳态振动收敛速度快于轴向稳态振动的收敛速度，两向瞬态振动的振动频率呈现出完全不同的特性.此外，密封的流体激振力与密封长度呈现非线性变化关系，而与密封压差和间隙呈现线性变化关系

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

5G网络技术可以满足赛博空间（Cyberspace）发展对通信平台性能提出的高要求，大规模MIMO（Multiple-input multiple-output）天线阵列是5G核心技术之一。实际中大规模MIMO天线阵列的互耦效应会大大降低香农容量，在未来5G天线系统中，面临的最大挑战是如何有效消除阵列中单元天线间的互耦。针对大规模阵列天线互耦问题，应进行天线单元的散射特性研究。本文在开路状态下“不可见”的最小散射天线基础上，推导了最小散射天线串联四分之一波长透明网络的散射矩阵，证明该状态即为短路状态下的最小散射天线。对一种X波段波纹喇叭天线分别进行短路、开路、匹配三种负载状态下的散射测量，根据最小散射天线理论分离出了天线的额外散射、伴随散射和失配散射。用分离获得的散射分量，推算了波纹喇叭天线的散射最大值和最小值，其中推算出的最小值远低于天线匹配时的散射。用滑动短路器作为可变负载，进行预设负载状态下波纹喇叭天线的散射测量，实测获得了推算出的散射最大值和最小值，验证了单元天线散射特性研究的正确性。结果说明，在进行大规模阵列的单元天线设计时，除了考虑单元天线的辐射特性之外，也要考虑天线的散射特性，以降低天线的互耦效应

组织与组织设计 5.1.1 组织的概念 5.1.2 组织设计 组织的基本问题 5.2.1 正式组织与非正式组织 5.2.2 管理幅度与管理层次 5.2.3 组织中的职权 5.2.4 部门化之基本原则 组织结构 5.3.1 直线制(beeline structure) 5.3.2 职能制(functional structure) 5.3.3 直线职能制 (beeline functional structure) 5.3.4 矩阵制(matrix structure) 5.3.5 事业部制(divisional structure) 5.3.6 集团控股型组织结构 人员配备 5.4.1 人员配备的任务和原则 5.4.2、 管理人员招聘 5.4.3 管理人员培训 5.5.1 组织变革的一般规律 5.5.2 管理组织变革 5.5.3 当今组织变革主要措施