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RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。

三维纯角度被动跟踪定位的最小二乘-卡尔曼滤波算法

利用角度信息估计出目标的距离和速度实质上是一个非线性状态估计问题 ,经典的扩展卡尔曼滤波算法性能很不稳定。文中首先根据静态估计理论推导出了在某一时刻目标位置的最小二乘解 ,然后将其作为卡尔曼滤波的测量值进行滤波 ,作进一步的数据处理 ,以提高估计精度。为了避免测量误差的相关性 ,分别在x ,y ,z方向上进行滤波 ,简化了算法 ,提高系统的定位精度。仿真结果表明这一算法是简单而有效的。

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

一种不受衰减非周期分量影响的最小二乘滤波算法

提出一种不受衰减非周期分量影响的最小二乘滤波算法。该方法通过对最小二乘算法的滤波结果进行处理，完全消除了衰减非周期分量的影响，并与衰减时间常数Ｔｄ无关。文中还研究了运行频率对算法的影响及误差的消除方法。理论分析和仿真验算表明，该算法具有精度高，计算量较小，只需增加两点采样等特点。

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用

在噪声主动控制系统中,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。基于此,提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。

一种全最小二乘算法及其在非线性滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题,提出了一种稳定的总体最小二乘自适应算法。该算法以系统的增广权向量的瑞利商(RQ)与对增广权向量的最后元素的约束的和作为总损失函数,利用梯度最陡下降原理导出权向量的自适应迭代算法,并将该算法应用于非线性Volterra滤波器。研究了算法的稳定性能,提出的算法不仅有良好的收敛性能,而且在权向量的自适应迭代时不需要标准化处理,使得算法的实施更为简单。仿真实验表明,无论在线性系统或非线性系统,本文算法的收敛性能,鲁棒抗噪性能和稳态收敛精度明显高于其它同类总体最小二乘算法。

基于递推最小二乘自适应滤波算法的图像去噪

递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。

FIR数字滤波器的递推最小二乘设计算法

本文考虑对称系数及反对称系数的ＦＩＲ数字滤波器的设计问题，设计准则选为最小加权平方误差准则，并将这个设计问题看成一个线性系统的辨识问题，辨识系统参数所需的输入数据由一随机抽样法产生，辨识算法采用递推最小二乘法．按随机抽样法产生的数据具有很强的激励，保证了被辨识参数的收敛性，同时又自然地实现了最小加权平方误差准则．两个设计范例说明了本文提出的设计方法的有效性．

二维线性相位FIR滤波器设计的投影最小二乘算法

考虑二维线性相位矩形对称FIR滤波器的约束最小二乘设计问题,即在通带和阻带逼近误差不超过给定值的约束下使逼近误差平方和最小.提出一个投影最小二乘算法,它是一个交替地更新有效约束集及将二次误差无约束极小点(最小二乘解)逐次投影到有效约束边界的迭代过程.通过二维FIR低通圆形滤波器和方形滤波器的设计例子,对算法的性能进行了仿真,并与基于内点算法和有效集方法的设计程序进行了比较,结果表明本文算法具有很高的效率.

一种基于最小二乘准则的自适应滤波算法

基于最注二乘准则Ｊ（ｎ）＝ ，利用最徒梯度下降法，得到一种新的梯度型自适应滤波算法．该算法避免了递推最小二乘ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）算法需递推估计更新自相关矩阵Ｒｘｘ（ｎ）的逆的不足，计算机模拟仿真结果表明该算法有良好的收敛性能，收敛速度快于ＬＭＳ（Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅｓ）算法、ＮＬＭＳ（ＮｏｒｍａｌｉｚｅｄＬｅａｓｔ Ｓｑｕａｒｅｓ）算法和ＲＬＳ算法．

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。

融合迭代平均滤波的RSSI室内定位算法

针对室内定位中,受无线通信距离和环境的影响,紫蜂(ZigBee)观测信号的随机噪声较为显著,导致定位结果的精度和稳定性较弱的问题,提出一种融合迭代平均滤波的RSSI室内定位算法:在数据采集过程中,采用高斯滤波对观测信号进行预处理,并根据接收信号强度指数测距理论建立起路径损耗模型,由此估算出信号接收节点到广播信标节点间的距离;然后,在定位解算过程中,在线性最小二乘算法的基础上融合迭代平均滤波算法,以抑制随机误差对定位结果的影响;最后,采用自研的CC2530 ZigBee模组对算法的可行性和稳定性进行实验验证。结果表明,等权最小二乘算法的点位精度约为0.64m,距离定权后,最小二乘算法的精度提升到0.52m;用等权最小二乘算法融合迭代平均滤波,精度也能达到0.5 m左右,与距离定权最小二乘的精度相当;同时,融合距离定权和迭代平均滤波2种方法的点位精度可以提高到0.35 m左右。

最小二乘滤波算法在目标跟踪中的应用

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行估计。文章对完全最小二乘滤波算法和递推增广最小二乘滤波算法在目标跟踪的应用作了研究,通过仿真实验对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘滤波算法的性能优于完全最小二乘滤波算法的性能。

最小二乘自适应滤波的广义多信道QR格型算法

对于广义多信道的最小二乘自适应滤波，即允许有信道参数数目不相等，本文提出一种QR格型算法。这个算法完全利用Givens旋转来解广义多道最小二乘问题，具有优越的数值性能和高度的模块化结构，适合于VLSI实现。对于通用处理器实现，这个算法需要O（p2）运算复杂度，其中p为信道数，对于基本处理单元实现，需要2p角度计算单元和3p2－p旋转单元。

基于图像复原技术与约束最小二乘方滤波器的绝缘子表面电荷反演算法

该文借鉴图像复原技术的处理手段,提出一种针对平移不变系统的绝缘子表面电荷反演算法。通过二维傅里叶变换将电位-电荷间的矩阵运算转换至频域,并利用约束最小二乘方(CLS)滤波器抑制噪声干扰,进而实现了表面电位分布到表面电荷密度分布的推导。进一步,结合仿真算例讨论该算法的实现流程与计算精度,并与常见的维纳滤波法和模拟电荷法的计算结果进行对比;通过引入偏差系数定量分析不同算法对目标信号的复原能力与对噪声信号的抗干扰能力。最后,综合表面电位测量实验与粉尘图法验证算法的有效性。结果表明,该文所述CLS-filter算法能有效滤除测量过程中引入的噪声信号,提升电荷反演稳定性,且在高等级噪声干扰下的计算精度显著优于现有算法。该算法所得电荷分布与粉尘图谱较为吻合,计算结果具备一定的准确性与可靠性。

基于完全最小二乘原则及归一化共轭梯度法的荧光断层成像重建算法

目的基于完全最小二乘原则,研究荧光断层成像技术。方法由漫射方程对荧光断层成像正问题建模,并使用有限元法计算出权重矩阵后,引入完全最小二乘原则,使用归一化共轭梯度法对荧光信息进行重建。结果该算法的抗噪性能优于同等情况下基于最小二乘原则的重建算法,且对于初值的稳定性较好。此外,避免了普通共轭梯度法解完全最小二乘问题时的溢出现象,使得算法的稳定性及实用性增强。结论本文所提出的算法具有较好的抗噪性、准确性及稳定性,是一种有效的荧光断层成像重建算法。

最小二乘递推算法和 Kalman 滤波算法

就一般加权、最优加权和指数加权三种情形分别介绍了最小二乘递推（ＲＬＳ）算法和Ｋａｌｍａｎ滤波算法，且首次将状态向量的概念扩展到了状态矩阵的概念．这将使我们在某些应用中能采用比以前规模小得多的模型而丝毫不会因此带来任何误差．最后，我们还指出了ＲＬＳ算法和Ｋａｌｍａｎ滤波算法所存在的一些问题．

严格的最小二乘递推算法在系统辨识与滤波中的应用

研究了严格的最小二乘递推（R2LS）算法在系统辨识与滤波中的应用。另一重要内容是给出了与R2LS算法相对应的充分激励（PE）系列及重要性质。且从关于多目标飞行轨迹的跟踪应用中可知，由于采用了状态矩阵这一新概念，使我们能用一规模很小的模型同时描述多个目标的运动，从而使计算量大为减小。

基于最小二乘矩阵束算法的工频分量提取方法

从故障暂态信号中准确地提取出工频分量对于继电保护十分重要。最小二乘矩阵束算法采用衰减指数和模型,可以有效消除各类谐波及衰减直流分量的影响。文中通过仿真研究了采样频率、时间窗及模型阶数等关键参数选取对最小二乘矩阵束算法的影响。同时,分析了滤波器及数据采样对算法的影响。最后,在1个工频周期下与傅氏算法进行对比,仿真结果表明最小二乘矩阵束算法具有较高的计算精度。