基于负集加权迭代修正最小二乘拟合原理的快速自适应拉曼光谱基线校正算法

拉曼光谱是无损光谱分析技术,通过分析散射光的频率变化获取物质的分子结构信息。基线校正是提升光谱数据质量的关键步骤,可以去除背景信号和不相关噪声,凸显并纯化目标信号。传统的拉曼光谱技术对基线校正的时效性要求不高,但随着流式拉曼和内窥拉曼等需要实时处理光谱数据的应用场景增多,基线校正在速度和准确性要求也随之提高。传统的迭代多项式拟合和小波变换方法在时间、精度或自适应能力上存在不足。本研究开发了一种基于负集加权迭代修正最小二乘原理的快速自适应基线校正算法(MWIALS)。主要原理是提取负数集并赋予更高权重,在迭代过程中不断修正基线,并通过设置参数阈值以跳出循环,实现快速准确的基线校正。提出两种参数选择策略:固定参数(FMWIALS)适用于批量同类型光谱的快速处理,自适应(AMWIALS)适用于差异化光谱的自适应处理。该算法应用于颗粒物的流式拉曼光谱分析。结果表明,与其他主流算法相比,MWIALS在实际光谱处理上显著高效(平均处理时长47 ms·谱^(-1)),具有较高的准确性和自适应性。该算法能够满足流式拉曼和内窥拉曼等生物样本检测中实时光谱处理的需求,为拉曼光谱技术的进一步应用提供了强有力的支持。

一种联合泰勒展开与最小二乘的运动目标被动雷达质心定位算法

针对两步加权最小二乘(two stage weighted least squares,TSWLS)算法在复杂场景下对运动辐射源定位不精确、观测站位置和目标位置的几何关系与精度相关的问题,提出一种基于泰勒展开与两步加权最小二乘联合的运动目标被动雷达质心无源定位算法。该方法首先利用两步加权最小二乘算法求解目标的位置与速度;再将所获得的目标参数作为泰勒展开的初始值构造定位误差方程,并通过迭代对目标寻优求解;最后利用联合算法和两步加权最小二乘算法分别获得估计值,对两次估计值进行质心定位得到最终结果。仿真实验表明,无论目标处于高速还是低速状态下,相较于传统的两步加权最小二乘算法和加权最小二乘(weighted least squares,WLS)算法,本文所提算法在鲁棒性和定位精度方面均有较大提高,且降低了观测站位置和目标位置几何关系对定位精度的影响。

基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

一种改进组合加权的TDOA室内二维定位算法

针对现有组合加权算法对定位区域边缘的目标定位时精度较低的问题,在现有组合加权算法的基础上提出了一种改进算法。首先,将基站分组,以到达时差算法得到目标位置的多个估计结果;其次,计算各估计结果之间距离值并排序,以滑动窗口法判断是否存在基站组出现异常定位估计;最后,当任意基站组的定位结果发生异常时,使用目标位置估计结果及其估计克拉美罗下界值设计两个加权步骤的权值,通过二步组合加权算法得到最终定位结果。仿真结果表明,所提算法有效减少了原组合加权算法对定位区域边缘的目标定位时的误差,当测量噪声标准差为0.8 m时,所提算法相较于原算法在正方形边缘区域定位均方根误差减小了0.35 m;在定位狭窄矩形区域时,所提算法平均定位均方根误差减小了0.11 m。

基于加权最小二乘优化的DV-HOP定位算法

确定事件发生的传感器节点位置是大多数无线传感网络应用场景中不可缺失的一部分。目前,在资源受限的无线传感网络中设计高精度定位算法仍是一个极具挑战性问题。为此,深入分析了DV-HOP算法中误差产生的原因,提出一种改进的DV-HOP算法。该算法为了降低计算所带来的固有误差,估算坐标时采用不直接对估算方程进行平方的方法;此外,为了进一步降低误差,采用了加权最小二乘法进行坐标估算;最后,采用理论分析的方法对算法进行了误差分析。仿真结果表明改进的算法与传统DV-HOP算法及文献[16-17]中的算法相比定位精度得到明显改善,分别提高了40%、28%和15%。

联合角度和时差的单站无源相干定位加权最小二乘算法

针对利用单个观测站接收多个外辐射源信号从而实现对目标定位的单站无源相干定位问题,该文提出了一种联合角度和时差的加权最小二乘定位算法。首先,将角度和时差的观测方程线性化处理,考虑方程中的各项误差,将定位问题建立为加权最小二乘模型。然后利用迭代方法对模型求解。最后,对算法的定位性能进行了理论分析。仿真结果表明,不同于仅时差定位方法至少需要3个外辐射源才能定位,联合角度和时差定位方法仅需一个外辐射源即可定位,且在同样数量外辐射源条件下估计精度高于仅时差定位;算法的均方误差低于最小二乘算法,在时差测量噪声较大时定位精度仍然能逼近克拉美罗界。此外,对系统几何精度因子图的分析表明,目标及辐射源的位置对定位精度也有重要影响。

基于加权最小二乘估计的双基地声呐定位算法研究

依据T/R-R型双基地声呐的工作特点,提出了基于加权最小二乘(WLS)估计的双基地声呐定位算法,通过数值仿真,研究了不同基线长度下该算法的定位精度,给出了WLS算法定位精度的几何分布。结果表明,运用该算法对水下目标进行定位,比单纯基于波达时间(TOL)的定位方法,双基地系统可以获得更高的定位精度。

基于软约束模式的加权最小二乘节点定位算法

当节点初始坐标精度较差时,大多数基于负梯度搜索的最小二乘类迭代定位算法容易陷入局部最优,产生较大的定位误差。作者通过引入网络部署时先验的限制性条件,提出了一种基于软约束模式的加权最小二乘节点定位算法(SCLS)。该算法根据2跳邻居节点间必须满足的最小和最大测距限制性条件,在加权最小二乘优化代价函数中引入惩罚项,迫使负梯度搜索往节点真实位置方向前进,从而提高定位算法精度。仿真实验结果显示,SCLS定位算法精度明显优于经典加权最小二乘定位算法。在测距误差较大或节点初始坐标精度较低情况下,SCLS算法具有良好鲁棒性。

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理 ,提出了基于加权最小二乘估计 (WLS)的双基地声呐定位优化算法 ,给出了算法的原理和误差分布。通过数值仿真 ,研究了系统参数对算法定位精度的影响 ,给出了不同条件下定位误差的几何分布。并将该算法与单纯基于声波到达时间算法的定位性能进行了比较。仿真结果表明 ,双基地WLS算法充分利用了双基地系统的冗余信息 ,具有较高的定位精度。该研究为多基地声呐水下目标的探测。

基于加权最小二乘的多基地声呐定位算法研究

研究水下监视目标跟踪声呐定位精度问题,改善双基地声呐在某些区域(如基线区、发射和接收站的侧边区)定位性能,为了提高系统定位精度,最有效的方法就是增加发射和接收站的数量,形成多基地声呐。根据多基地声呐的几何关系,提出了加权最小二乘估计的多基地声呐定位优化算法,结合定位误差的表达式,对定位性能进行了仿真。仿真结果表明,基于加权最小二乘估计的多基地声呐定位优化算法,能够充分利用各基站的测量信息,有效提高声呐系统的定位精度。与基于距离信息的多基地声呐定位算法相比,算法不仅具有较高的定位精度,而且可以有效解地解决边区定位误差较大的问题。

一种角度加权的最小二乘目标定位算法

在基于波达方向估计(DOA)的多传感器节点目标三维空间定位算法中,当目标与传感器节点处于不同深度时,定位原理决定了不同的俯仰角误差将导致不同的定位误差,特别是当传感器与目标接近于同一平面,即俯仰角接近90°时,较小的俯仰角误差将引起非常大的定位误差。为了解决该问题,论文提出在最小二乘定位算法中,根据不同俯仰角进行加权的方法,降低俯仰角估计值接近90°的节点分量在定位方程中的贡献,减少俯仰角估计误差对综合定位精度的影响,提高定位算法对俯仰角估计误差的稳健性。文中对单个目标的定位进行了计算机仿真,对比了某些节点深度与目标接近情况下加权最小二乘算法和最小二乘算法的定位性能,仿真结果说明当参与定位的部分节点与目标深度接近时,所提加权最小二乘算法对目标位置的估计均方根误差低于最小二乘算法,具有更高的定位精度和稳健性。

基于约束总体最小二乘法的超宽带掘进机定位算法研究

为推进煤矿巷道内掘进机自主定位和定向综掘无人化作业,针对定位时传感器之间由于系统同步时钟偏差引起的定位误差问题,以及由于最小二乘法本身的降正则化特性引起系数矩阵严重病态,表现为系数矩阵中的微小误差会导致定位结果产生巨大偏移的问题。提出了一种基于超宽带的到达时间差(TDOA)约束总体最小二乘法(CTLS)的定位算法:将TDOA非线性观测方程组做线性化处理,结合系统误差在观测方程组的分布特性,采用CTLS算法得到经优化后的目标函数,通过牛顿迭代法得到目标位置估计。实验结果表明,在TDOA测量误差较小的条件下,目标位置估计精度能够接近克拉美罗下限(CRLB)。

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.

基于约束加权最小二乘的时差频差联合定位算法

针对运动目标源定位问题,提出了一种基于约束加权最小二乘(Constrained Weighted Leas-tSquares,CWLS)的时差频差定位算法。该算法利用目标源到达多个接收站的时差和频差信息,对目标源的位置和速度进行估计。通过引入中间变量,将时差频差非线性方程转换成伪线性方程(中间变量与目标源位置和速度之间存在约束关系),再对此约束条件引入拉格朗日乘子技术,将此伪线性方程的求解转化为求条件极值问题,创造性地求解了此非线性定位方程,提高了定位精度,并能满足实时性和全局收敛要求。仿真实验表明,该算法在保持相近复杂度的同时,进一步提高了定位性能,优于两步加权最小二乘算法,在噪声较高时仍然能达到克拉美罗下限。

一种约束鲁棒加权最小二乘静默定位算法

水下静默定位算法是一种具有高度隐蔽性的被动定位算法,仅通过接收来自参考节点的定位信号,目标节点即可完成对自身的定位,且各节点间无须保持时钟同步。针对传统水下静默定位算法定位精度低和对测量噪声鲁棒性较差的问题,本文提出一种结合卡尔曼滤波的约束稳健加权最小二乘算法。该算法首先将目标节点和参考节点之间的距离作为辅助变量,将静默定位问题转换为二次规划问题,并利用辅助变量与目标节点坐标之间隐含的相关性对方程加以约束。其次,为减小测距误差的影响,利用IGG3权函数对观测数据进行稳健加权处理,通过迭代平差法,不断降低噪声较大观测数据的所占权值,从而减小了观测信息中的噪声对定位精度的影响。然后,通过引入拉格朗日乘子法和广义奇异值分解对目标函数进行求解,得到目标节点位置的解析表达式。最后,为充分利用观测量,在水下目标节点的动态定位中估计出位置后,利用状态变量的连续性,对其进行卡尔曼滤波以进一步提高定位精度。仿真及海试结果表明,在水下测量噪声较大的情况下,相比于经典最小二乘算法,本文所提出的约束稳健加权最小二乘算法定位精度更高且该算法对测距误差具有更好的鲁棒性。

一种基于加权最小二乘载频估计的单星定位算法

随着现代电子信息技术的发展,卫星无源侦查定位技术被广泛应用,由于成本低廉,实现简单,单星定位技术脱颖而出。在单星定位技术中,载频估计的精度决定定位性能的优劣。硬件法测量载频成本较高,设计复杂,已有的软件测频方法迭代运算量大,且载频估计精度低,因此文章改进传统最小二乘测频方法,提出一种基于加权最小二乘载频估计的单星定位算法,对测频模型加权处理,消除异方差性质,使得载频估计精度提高27.20%,定位误差有效减小。此外,针对卫星轨道环境,分析了信号载频、信号时长等因素对定位结果的影响,可以从这几个方面设计特定的卫星轨道和通信信号,为提高定位精度提供新的思路。

基于最小二乘原理的多传感器加权融合算法

以存在随机扰动环境中的不同参数多传感器为研究对象 ,基于最小二乘原理 ,提出了一种加权融合算法 ,推导出各传感器的权系数与测量方差的关系。并且根据测量信息 ,提出了一种方差估计学习算法 ,实现对各传感器测量方差的估计 ,从而对各传感器的权值进行合理的分配。该算法简单 ,能快速。

一类基于最小二乘法的声发射源组合定位算法

介绍了声发射源时差定位方法的基本原理及其常用的声发射源定位方法.针对声发射源三维定位常规算法中初始值的选取影响算法收敛速度和定位精度的问题,充分利用最小二乘算法的估计特性,改进定位算法,提出一类基于最小二乘法的Geiger优化迭代组合定位算法.数值仿真算例表明:该方法能有效解决迭代法的初始值问题,保证算法的收敛并且提高迭代算法的收敛速度.

加权最小二乘估计在无线传感器网络定位中的应用

节点自身定位是目前无线传感器网络领域研究的重点之一,定位误差累积问题是节点定位中必须解决的一个关键问题,利用加权最小二乘估计的方法可以有效抑制累积误差的影响。介绍了如何将加权最小二乘估计应用于节点定位以及如何合理地选择加权系数以降低定位误差。仿真实验表明,运用加权最小二乘估计可以有效地抑制误差累积的影响,提高定位精度。

基于加权最小二乘法的红外多站定位的研究

基于加权最小二乘法,建立了红外多站无源系统定位算法的数学模型,给出了方程的求解过程,并讨论了算法的实现.采用加权最小二乘法可有效的融合多个站点的信息,从而可提高系统的定位精度和可靠性.仿真结果表明:定位时所使用的站点数目越多,定位目标与站点的相对位置越好,距离越近,定位精度就越高,这对近程高精度定位的研究具有借鉴作用.