基于误差方程常数项的变权迭代法在核电测量中的运用

测量平差处理过程中对大量的观测数据进行误差性质的有效实时甄别,尽量减少误差较大的观测值对最终成果质量的显著影响,在测量数据处理中具有重要的意义。结合核电平面控制测量特点,给出了判别方向、距离观测异常值阀值的简易计算方法,可以对异常观测值进行有效探测;指出在求解待定点未知参数前对异常值进行动态定权,可以保证最终观测成果质量不受异常值的显著影响,相对稳健估计利用验后观测值残差动态定权,可以提高数据处理效率及质量。

联合STFT-迭代变权拟合的LFM信号参数估计方法

针对现有线性调频(LFM)信号参数估计方法估计精度与估计速度难以兼得,以及对信号畸变敏感的难题,提出了一种联合Rife插值改进的短时傅里叶变换(STFT)-迭代变权最小二乘线性拟合(IRLSF)参数估计的方法。使用Rife插值改进的STFT较好地保持了LFM信号瞬时频率曲线的线性特征,迭代变权处理有效地抑制了估计得到的瞬时频率中出现异常值对参数估计精度的影响。该方法无需进行复杂的计算和参数搜索,实时性好。仿真分析表明,相对于常规最小二乘线性拟合(CLSF)方法信噪比下限降低了4dB。湖试结果验证了该方法的有效性和实用性。

基于多维输出支持向量回归机的脑电源定位

脑电源定位是根据头皮观测电位进行逆问题计算的过程。文章把采用近似迭代变权最小二乘法方法的多维输出支持向量回归机应用到脑电源定位中。与单变量输出支持向量机回归建模相比,采用该方法建立的多变量系统模型结构较为简单,计算工作量小,速度快。为了发现头皮电位和脑内部产生源的关系,选择使用了单个等效偶极子源和四层同心球头模型。实验结果表明,多维支持向量回归机方法在脑电源定位问题求解中具有运行速度快,鲁棒性好等特点。

多维输出SVR的ECT两相流图像重建方法

根据电容层析成像(ECT)中两相流识别问题的特点,提出基于多维输出支持向量回归机(MSVR)的图像重建算法。采用超球空间不敏感损失函数的MSVR是支持向量机理论的一个重要分支,它有效地克服了神经网络算法中的过学习问题,具有较强的泛化能力。近似迭代变权最小二乘法(IRWLS)在保证MSVR回归精度的基础上,有效地简化了其求解过程,可快速建立电容测量值与成像区域介电常数分布之间的非线性映射关系。对包含6种典型两相流流型的仿真数据进行实验。结果表明,该方法泛化能力强,图像重建精度高。