协方差矩阵∧/∑_（sam）的收敛速度

∑∧sam具有较慢的收敛速度。K=O（1）时,在范数‖.‖∑下,∑的收敛速度为n-β/2,其中β=min（1,2-α）,而∑∧sam则具有较慢的收敛速度n-β1/2。     

求协方差矩阵的逆矩阵的快速算法

介绍了求协方差矩阵的逆矩阵的快速算法。先将矩阵分解，再利用三角矩阵求逆的迭代算法，得到了求协方差矩阵的快速算法；同时，讨论了其合适计算机编程实现的具体计算步骤。     

矩阵幂级数的收敛性质

根据矩阵幂级数的定义和数学分析中幂级数的收敛性质,运用类比的推理法,得到并验证了矩阵幂级数的部分相应的收敛性质。     

关于协方差矩阵及相关系数的性质

给出了随机向量的协方差矩阵、相关系数的两个重要性质。     

Sazsz算子的收敛速度

对概率型Szasz算子Sn(f,x)在(0， ∞)上收敛于[f(x^ ) ／f(x^-)]／2的收敛速度进行了研究，并利用概率论的方法，对Guo和Khan关于Sn（f,x)的收敛速度的估计作进一步的改进，得到更精确的系数估计。     

论级数重排的收敛速度问题

讨论收敛级数重排后所得新级数的敛散性及收敛速度问题．得到绝对收敛级数重排后仍是收敛级数;绝对收敛级数重排所得新级数的收敛速度与原级数的收敛速度不一定相同等结论．     

Baskakov-Durrmeyer算子收敛速度的估计

利用Bojanic方法来估计Baskakov-Durrmeyer算子对在[0,∞）有界变差函数的收敛速度,并且收敛速率是不可改进的.     

Gamma型算子的收敛速度

对Gamma算子的变形，得到新的Gamma型算子．证明了新的Gamma型算子对导数是有界变差函数的逼近，得到了其点态逼近速度．     

矩阵幂级数的收敛性质和应用

根据矩阵幂级数的定义和数学分析中幂级数的收敛性质,运用类比的推理方法,在已知知识的基础上,验证并总结了矩阵幂级数的部分相应的收敛性质。     

收敛速度阶数更高的迭代开方公式

应用牛顿迭代法求一个正数的平方根,一般情况下迭代过程为平方收敛.本文得到收敛速度更高的求平方根及N次方根的迭代公式.     

矩阵的收敛定理及应用

利用矩阵的范数讨论了矩阵的收敛问题，得出了迭代法求解时的收敛条件及误差估计．     

改进Gauss-Seide方法的收敛速度的单调性

In this note, we prove that the convergence rate of the modified Gauss-Seidel (MGS) method with preconditional I Sa isa monotonic function of preconditioning parameter a. Based on this result, to achieve better convergence rate we suggest proformingtwice preconditoning when applying the MGS method to solve a linear system whose coefficient matrix is an irreducible non-singularM-matrix.     

矩阵级数一致收敛的判定

借助矩阵范数和矩阵谱半径的概念,结合极限理论和数项级数的有关结论,给出了矩阵级数一致收敛的判定方法。     

Gamma型算子的收敛速度

对Gamma算子的变形,得到新的Gamma型算子.证明了新的Gamma型算子对导数是有界变差函数的逼近,得到了其点态逼近速度.     

Baskakov算子的收敛速度的新估计

对Guo和Kha等学者关于Baskakov算子收敛速度的估计问题,作进一步的探究,利用概率论等方法,对k阶矩重新计算和估计,得到Baskakov算子（0,＋∞）在上收敛于[f（x＋）＋（x-）]/2的收敛速度更精确的系数估计。     

级数收敛的速度

文章定义了收敛级数的速度概念,并给出三个判定定理。     

Szász算子的收敛速度

对概率型Szász算子Sn(f,x)在(0,+∞)上收敛于[f(x+)+f(x-)]/2的收敛速度进行了研究,并利用概率论的方法,对Guo和Khan关于Sn(f,x)的收敛速度的估计作进一步的改进,得到更精确的系数估计.     

Szsz算子的收敛速度

对概率型Sz偄ｓｚ算子Ｓｎ(f,x)在 ( 0 ,+∞ )上收敛于 [f(x+ ) +f(x-) ]/2的收敛速度进行了研究 ,并利用概率论的方法 ,对Guo和Khan关于Sn(f,x)的收敛速度的估计作进一步的改进 ,得到更精确的系数估计     

基于协方差矩阵重构的稳健波束形成算法

当期望信号导向矢量失配以及采样协方差矩阵中包含期望信号时,传统自适应波束形成器性能会下降。对此问题,提出了一种基于协方差矩阵重构的稳健波束形成算法。该算法首先通过对期望信号和干扰的大致来波方向范围进行积分以估计出导向矢量,然后利用主模式抑制去除信号间多余的相干性,并重构出最终的协方差矩阵。仿真实验表明,该算法提高了期望信号导向矢量失配时的稳健性,降低了对快拍数的敏感性。