基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。

基于加权最小二乘法的分数延时滤波器设计

相较于传统的可变分数延时滤波器无法满足延时的实时变化,Farrow结构延时滤波器因其独特的结构可以灵活地调整时延且不需重新设计滤波器系数。以加权最小二乘法作为分数延时滤波器系数配置的基本方法,通过建立离散加权平方误差函数对滤波器系数的配置进行理论推导。并设计一种最小化幅度响应最大绝对误差的迭代判断条件来确定权重函数,用以更新滤波器系数来实现滤波器性能的优化。

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。

加权最小二乘法设计分数延迟FIR数字滤波器

用加权最小二乘法设计分数延迟FIR数字滤波器。在设计中,滤波器系数表示为分数延时量的多项式,对由多项式系数构成的矩阵进行行拉直,使之成为行向量以方便计算;用积分计算目标误差函数,相对于利用大量离散点值求和的方法,精度更高;求解拉直行向量时,采用矩阵三角分解,并合理调整计算顺序以避免病态计算。仿真计算表明,利用本文方法设计的分数延迟FIR数字滤波器的精度更高,复杂度更低。

加权最小二乘法与卡尔曼滤波实时稳像技术

无人机和车辆行驶等情况下拍摄的视频受外界影响会造成视频抖动。通过对比现有的电子稳像技术,提出了利用FAST获取特征点的位置信息,再通过光流法结合NCC匹配得到参考帧特征点在当前帧的位置信息,在此基础上结合RANSAC算法剔除错误匹配的特征点对的改进算法。为了提高运动矢量估计的精度,应用加权最小二乘法得到相邻帧间的刚性变换矩阵,并经过卡尔曼滤波进行运动平滑得到扫描运动矢量并补偿,最终得到实时的稳定视频。实验表明,视频序列稳像后的帧间变换保真度有所提高,并且能够达到实时处理速度。

基于加权递推最小二乘法的微硬盘伺服信号滤波

针对微硬盘伺服信号的滤波问题,采用了一种加权递推最小二乘法.该算法使用最小二乘加权时间平均准则取代通常的最小均方误差准则,并利用该准则导出权向量的自适应迭代公式,算法保证在每步迭代运算中权值都能调整到最佳,同时降低了权值调整量对噪声的敏感程度.实验结果表明:该算法滤波效果好、抗噪能力强、稳态收敛精度高和收敛速度快,适用于诸如微硬盘驱动器之类对收敛速度及消噪要求较高的场合.

基于最小二乘法的电子计数秤设计及偏差处理

电子产品生产所需物料种类多数量大,人工计数降低了生产效率,设计电子计数秤,通过对物料进行测量直接显示个数,有利于提高生产效率。基于STM32和HX711模块及平行梁应变式称重传感器的电子计数秤,存在传感器分辨率限制、测量和转换误差及噪声等问题,造成测量偏差。针对此问题,首先对采样二进制值进行滤波,提高数据稳定性;然后利用均值滤波算法进一步降噪,减小噪声的影响;采用最小二次乘法建立一次函数线性模型,实现采样值与重量的转换。通过实验验证,将重量误差控制在±1 g,个数偏差1%,能满足生产所需。

可变带宽FIR数字滤波器的高效加权最小二乘设计及实现

(电子科技大学电子工程学院成都610054)摘要:本文提出一种具有稳定相频响应的可变带宽FIR数字滤波器的高效加权最小二乘设计方法。文中将可变带宽FIR数字滤波器的冲击响应表示成以谱参数为变量的基函数的线性组合,进而利用定系数子滤波器的线性组合来实现,这里可变带宽特性直接由可变谱参数所决定。该方法通过建立加权最小二乘目标函数,简单高效地推导出滤波器系数的优化封闭解表达式,复杂度和计算量大大降低。应用这种滤波器的优点在于只有一个直接决定带宽的可调谱参数,更新机制简单。设计实例证明了该方法的高效性和可变带宽滤波器的有效性。

基于加权总体最小二乘正则化方法的混合滤波器组最优化设计

模拟分析滤波器组的实现欠理想、系统噪声以及数字综合滤波器有效阶数实现所带来的系统误差均有可能造成混合滤波器组的设计出现解不稳定、无唯一解等病态问题,影响混合滤波器组的准确重构效果。本文首先给出了满足准确重构条件下,以综合滤波器组频域响应为求解变量的混合滤波器组线性求解模型。针对线性方程中系数矩阵以及目标向量受扰动误差影响特点,提出一种新的基于加权总体最小二乘正则化算法的IIR形式综合滤波器设计方法。算法以系统扰动误差最小化为目标函数,根据随机误差变量的二阶统计特性,采用加权总体最小二乘算法抑制滤波器实现误差以及随机噪声等扰动因素影响,使得到的综合滤波器组频域响应解的加权误差平方和最小化,并通过Tikhonov正则化方法优化病态情况下方程组解的稳定性。提出一种IIR类型的综合滤波器系数的求解算法,并利用正则化方法优化滤波器系数,提高系统稳定性。该方法可应用于过采样混合滤波器组的设计。仿真结果表明该算法的有效提高系统鲁棒性和改善重构性能。

改进中值滤波和最小二乘法在三维表面评定中的应用

为保证三维表面形貌评定的准确性,消除测量过程中产生的脉冲噪声和基准偏斜面的影响,提出了一种基于改进中值滤波和最小二乘法的三维表面形貌评定方法。该方法通过改进中值滤波去除表面形貌测量中产生的脉冲噪声,采用最小二乘法提取基准偏斜面,表面形貌去除脉冲噪声和测量基准偏斜面后得到评定表面形貌,在此基础上,通过高斯滤波法提取粗糙度表面,并计算表面形貌典型评定参数。实验结果表明,评定表面形貌的典型评定参数可更加准确地评定三维表面形貌。

基于总体最小二乘法和卡尔曼滤波的无源定位算法仿真

研究了存在系统误差时单站纯方位角无源定位系统的定位问题，分别在系统误差为常值和时变值时研究了TLS—KF算法的性能，并通过估计系统误差是否存在，给出了一种选择最优定位算法的判决方法。该问题的研究对于单站无源定位系统如何在存在系统误差时提高定位精度和性能，具有一定的理论意义和实际意义。

基于加权最小二乘正则化方法的混合滤波器组最优化设计

模拟分析滤波器的实现误差以及数字综合滤波器有效阶数实现的设计误差造成的病态问题都将影响混合滤波器组(HFB)的重构效果。提出一种新的满足近似完美重构的基于加权最小二乘(WLS)正则化算法的IIR形式综合滤波器设计方法。该算法根据误差量二阶统计特性采用WLS算法抑制滤波器实现误差以及随机噪声等扰动因素影响,使得到的综合滤波器组频域响应解的加权误差平方和最小化,并通过Tikhonov正则化方法优化解的稳定性。提出一种IIR类型综合滤波器设计算法,并利用正则化方法优化滤波器系数,减小设计误差。该方法可应用于过采样HFB的设计。仿真结果表明该算法的有效提高系统鲁棒性和改善重构性能。

加权最小二乘—卡尔曼滤波算法在动基座对准中的应用

利用卡尔曼滤波算法进行估计需要给定初始状态估计值和初始误差方差阵。通常，初始状态估计值和初始误差方差阵由经验给定，而初始状态估计值和初始误差方差阵的选取影响着卡尔曼滤波的估计精度。文中提出了加权最小二乘-卡尔曼滤波算法，并运用到惯导系统动基座初始对准中，进行了仿真。仿真结果表明，利用加权最小二乘算法可得到更加精确的卡尔曼滤波的初始状态估计值和初始误差方差阵，提高卡尔曼滤波的估计精度，进而提高了初始对准的精度。

基于二维卡尔曼滤波与最小二乘法的目标定位算法

为了解决当前圆目标检测算法在噪声干扰与目标特征微弱的情况下,使其无法精确检测自动检测工件上的圆目标问题,论文提出了基于二维卡尔曼滤波与最小二乘法的工件圆目标定位检测算法。首先,基于一维卡尔曼滤波,利用图像像素灰度特性代替其一维信号模型,推导用于二维图像的卡尔曼滤波机制,有效滤除图像噪声,提取圆目标轮廓。引入最小二乘法,建立回归圆方程,拟合出目标圆轮廓,计算出圆心位置与半径,完成圆目标检测。实验测试结果显示:与当前工件图像圆目标检测算法相比,在面对较多噪声干扰而目标特征微弱时,论文算法拥有更高定位检测准确度与鲁棒性,能够较好地抵御噪声的影响。

基于学习的核偏最小二乘法优化扩展卡尔曼滤波

为了解决非线性系统参数不确定和噪声信息不准确导致EKF随时序估计误差较大的问题,利用核偏最小二乘法与系统方程参数和噪声信息无关的特点优化EKF。先将量测数据和EKF的收敛估计作为学习样本,建立KPLS预测模型,然后,融合KPLS和EKF的预测值进行状态估计;同时,若状态估计的收敛判据为真,将估计值作为学习样本,并利用滑动窗口更新KPLS核矩阵,使KPLS能时序预测;若收敛判据为假,则更新量测协方差。最后,通过实验仿真的方法,分析KPLS-EKF算法的收敛性和性能。实验结果表明:KPLS-EKF能够有效地解决非线性系统参数和噪声信息不准确导致的EKF误差较大的问题。

基于最小二乘法模拟听力损失曲线滤波器设计

为了在助听器客观评价时综合考虑佩戴者的不同程度听力损失,提出了一种听力图的模拟方法。该方法首先通过听力图计算各个频率点的幅度衰减;然后以此为依据,采用最小二乘法设计有限冲激响应滤波器,来模拟典型的听力图,使语音通过该滤波器后达到与听力图显示的患者听力损失相同的衰减效果,从而实现对听力损失的模拟。最后,通过一组实验表明:该滤波器对输入信号的频域衰减效果确实同典型的听力图一样。可见该滤波器有望加入助听器的测量评价体系,以提高评价准确性。

基于最小二乘法和卡尔曼滤波算法的平面电子罗盘误差补偿方法研究

为解决电子罗盘易受外部环境的硬、软磁干扰产生的零点漂移和随机误差问题,基于最小二乘法对电子罗盘零点漂移进行补偿后,对随机误差采用卡尔曼滤波算法进行补偿;结合Allan方差分析法对实验结果进行综合评价,采用最小二乘法和卡尔曼滤波算法对实验数据进行补偿后,量化噪声和零偏不稳定性噪声的Allan方差值分别降低了82. 8%和77. 9%。结果表明,该方法能有效补偿硬、软磁干扰对电子罗盘所造成的影响。

基于改进的递归最小二乘法的滤波器研究

分析了基于递归最小二乘法(recursive least-squares,RLS)的自适应滤波算法,并针对非平稳环境下RLS算法跟踪能力差,导致误差大的问题,通过调节RLS算法中的指数加权因子λ,叠加一个自适应记忆,优化其跟踪性能。理论分析和计算机仿真均表明,带有自适应记忆的RLS算法具有较快的自适应跟踪能力和较好的稳态性能,优于其他算法。

MA模型参数估计的两段最小二乘法及其在自校正跟踪滤波器中的应用

提出了滑动平均(MA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对MA模型拟合一个高阶自回归(AR)模型,然后再用最小二乘法解一个不相容的超定线性方程组得到MA模型参数估值。一个应用于自校正跟踪滤波器的仿真例子说明了其有效性。

卡尔曼滤波和最小二乘法结合的机动目标轨迹仿真

为有效处理雷达系统采集的机动目标数据,利用旋转矩阵建立地球坐标系与雷达坐标系之间的转换关系,将卡尔曼滤波法与最小二乘法相结合,得到实时可靠的目标运动轨迹。应用数据关联算法,准确分离单个雷达测量的不同机动目标信息,分别得到每个目标的轨迹曲线及运动状态,实现对目标的实时监测。