基于ECEF的广义最小二乘误差配准技术

雷达组网数据处理首先要进行误差配准,来准确地估计和消除系统误差。传统的误差配准技术多基于球极投影,当雷达之间距离较远时,给配准结果引入一定的误差。基于地球中心坐标系(ECEF),提出了一种广义最小二乘的ECEF-GLS误差配准技术,较好地解决了远距离误差配准问题,误差分析表明,如果忽略模型线性化引入的误差,配准结果达到了CRLB下限。最后,使用仿真数据验证了算法的性能,并和Zhou提出的基于ECEF坐标系的最小二乘ECEF-LS误差配准算法进行了比较。

WGS-84坐标系下改进的广义最小二乘配准算法

针对广义最小二乘算法在WGS-84坐标系中存在收敛速度慢及收敛性能不稳定的问题,提出了一种改进的广义最小二乘算法.该算法以收敛步数作为最小二乘算法中的量测精度加权因子,使得量测精度随着步数的变化而变化,从而实现了收敛步数的减少和收敛之后稳定性的改善,提高了目标跟踪定位的性能.仿真结果表明,改进的广义最小二乘算法优于广义最小二乘算法,进一步验证了该算法的有效性.

超高密度电法有限单元法正演与广义最小二乘反演

针对超高密度电法的全四极装置,采用三角形网格剖分和线性插值的有限单元法进行正演模拟,然后对该模拟结果开展广义最小二乘正则化反演,反演过程中对模型参数同时施加光滑模型和背景模型约束以提高反演稳定性。以一个低阻双层结构模型为例,与5种常规电法进行对比,发现超高密度电法具有数据信息量大、反演精度高的优点。对一个山谷地形下正方体低阻模型的超高密度电法数据进行正演和反演模拟,反演结果表明:该方法在较复杂地形条件下也能较好地刻画出异常体的形态及地下电性的分布,提高物探解释精度。

基于广义最小二乘法加速度传感器的动态建模

针对数学模型在动态校准实验数据处理中的重要地位,结合Hopkinson杆对加速度传感器测试系统动态校准所得实验数据,介绍了一种基于广义最小二乘法的动态数学模型建立方法。并利用Matlab/Simulink模块进行了仿真验证,由仿真结果表明该时间域数据处理方法具有简洁性、准确性的特点,特别适合于动态校准中建立差分方程模型。

三元肥效模型异方差诊断及其可行广义最小二乘回归建模研究

【目的】探讨肥效模型建模新方法,旨在进一步提高肥效模型建模科学性和田间试验成功率。【方法】根据171个早稻"3414"设计的氮磷钾田间肥效试验结果,应用现代回归分析理论,研究三元肥效模型异方差的产生原因和统计检验方法,应用可行广义最小二乘法(FGLS)建模策略消除肥效模型异方差的危害。【结果】根据肥效模型的专业特点,田间试验设计及其管理水平、土壤肥力水平及其空间异质性、模型设定优劣等因素是肥效模型产生异方差的主要原因。怀特(White)检验、帕克(Park)检验和冠因克-巴塞特(KB)检验表明,三元肥效模型异方差达到统计显著水平的比例为25.15%。针对严重异方差的田间试验资料,FGLS回归建模能将部分试验点的试验结果,由普通最小二乘法(OLS)回归建模未达统计显著水平转化为达到统计显著水平,或者将非典型式转化为典型肥效模型;典型式出现几率由OLS回归建模的27.68%提高到34.99%。对典型三元肥效模型,FGLS回归模型的推荐施肥量与OLS回归模型的推荐施肥量大致相当。研究表明,与OLS回归建模相比,FGLS回归建模大幅度降低回归模型的误差均方,同时也明显减小模型各个参数的方差,从而改善了肥效模型的拟合精度和模型预测能力。【结论】FGLS是消除或缓解三元二次多项式肥效模型异方差的有效方法,可明显提高田间试验资料的建模成功率。

Y-梯度广义最小二乘加权校正的土壤速效氮野外原位光谱预测

土壤速效氮是影响作物生长发育的重要养分指标。野外原位可见近红外光谱(VIS-NIR)分析技术具有快速无损等特点,对速效氮的定量预测具有较好的应用前景。野外条件下进行原位光谱采集更节省人力物力,且为土壤养分实时传感器的开发提供了数据基础。但由于野外原位光谱中通常存在大量的无关环境因子干扰信息,易导致回归模型预测精度降低,达不到实用要求。针对位于以色列中部和北部的两个试验点共76个样本开展研究,提出利用Y-梯度广义最小二乘加权算法(Y-GLSW)对样本的野外原位VIS-NIR反射率光谱(350~2 500nm)进行滤波校正,以提高回归模型的预测能力。首先使用SG平滑、一阶导数变换、标准正态变换等常规方法对原始光谱进行预处理和变换;在此基础上再使用Y-GLSW构建滤波模型对变换后的光谱进行滤波校正;最后使用偏最小二乘回归算法(PLS-R)分别结合原始光谱RW、预处理变换后的光谱PPT和滤波校正后的光谱Y-GLSW建立回归分析模型对速效氮进行定量预测。结果表明:利用RW光谱建立的回归预测模型是不可靠的;利用PPT光谱建立的回归模型在测试集的相对分析误差(RPD)为1.41,解释总方差占实际总方差之比(SSR/SST)为0.57,模型具有一定的可靠性;Y-GLSW光谱建立的回归模型在测试集的RPD和SSR/SST分别为2.07和0.69,相对于PPT模型分别提高了46.81%和21.05%。因此,利用Y-GLSW对野外原位VIS-NIR光谱进行滤波校正,能够有效去除光谱中的无关信息数据,提高模型的预测精度和解释能力。

线性模型中广义最小二乘估计关于误差分布的稳健性

研究一般线性模型下广义最小二乘估计关于误差分布的稳健性,给出了误差分布的最大分布类,使得当误差向量的分布在此范围内变动时,广义最小二乘估计在广义均方误差准则下为一致最优估计.

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.

广义Pareto分布近似广义最小二乘估计

广义Pareto分布(generalized Pareto distribution,GPD)是统计分析中的一个极为重要的分布.对基于广义Pareto分布的若干个样本分位数进行了研究.首先,求解具有较高精度的形状参数的参数估计;其次,得出广义Pareto分布位置参数及尺度参数的近似广义最小二乘估计.本方法简单易行,对形状参数的存在条件没有限制,通过Monte Carlo模拟验证了该方法具有较高的精度.

广义最小二乘法在主动光学模式定标中的应用

为了解除4 m轻量化反射镜支撑系统间存在的相互耦合作用,提出了采用广义最小二乘法进行主动光学的模式定标计算。首先,介绍了4 m轻量化反射镜的支撑系统,推导出液压Whiffletree支撑系统工作下主动光学校正力组满足解耦条件的等式约束方程,将节点面积加权因子修正后的Zernike多项式面形拟合过程作为有限元分析前处理,建立主动光学的响应矩阵。其次,采用广义最小二乘法求解同时满足等式和不等式约束下的最佳校正力组。最后,将提出的方法应用于重力印透效应产生的镜面变形主动力解算,分析不同阻尼因子对解算结果的影响。结果表明:阻尼因子取7.4e-9时,达到了满足约束条件的最佳校正效果,镜面面形均方根由最初的271.5 nm通过校正后变为8.3 nm。验证了广义最小二乘法应用于4 m轻量化反射镜主动光学校正力组解算的可行性。

基于广义最小二乘法的系统模型辨识及应用

为了给控制系统设计提供一个有力的依据,提出了一种基于广义最小二乘法的模型参数辨识方法。首先,由CV I结合PCL-1800高速数据采集卡对被辨识对象输出进行数据采集,获得大量实用的观测数据,在完成数据截取、滤波、归一化等预处理后,对预处理后的数据按照广义最小二乘法进行模型辨识——先引入一个白化滤波器,把相关噪声转换为白噪声,基于对观测数据先进行一次滤波处理,然后利用普通最小二乘法对滤波后的数据进行辨识。为了证明该方法的有效性,采用该文方法对某系统的直流力矩电机进行建模研究,实际结果表明该方法辨识精度高,应用性强。

基于MATLAB的广义最小二乘参数辨识与仿真

针对参数辨识中最小二乘法(LS)存在的缺点,讨论了一种用迭代的松弛算法对最小二乘辨识的改进方法-广义最小二乘(GLS)辨识,并介绍了其基于Matlab的仿真和分析方法。首先简述参数辨识的概念、最小二乘法辨识存在的主要缺点和广义最小二乘法的基本原理,之后简要介绍了Matlab系统辨识工具箱及其中参数辨识的实现方法,最后结合实例给出相应的仿真程序及其结果分析,仿真结果表明:该方法辨识精度高,明显优于最小二乘辨识。

动态广义最小二乘法在面板协整中的应用研究

在进行非平稳面板数据的协整分析时,使用动态最小二乘法(DOLS)可以有效消除内生性问题,从而得到具有渐进正态分布的统计量。但在小样本条件下,由于可使用解释变量差分项的阶数有限,导致模型中均衡误差项的序列相关,使得DOLS统计量出现严重的检验水平畸变。为此,本文将单一时间序列的动态广义最小二乘法(DGLS)应用于非平稳的同质面板数据模型。在序贯极限分布的条件下,DGLS统计量仍具有正态的条件极限分布。而仿真实验表明,对于非平稳的同质面板数据模型,即使在均衡误差项存在高序列相关的条件下,DGLS统计量仍具有较好的小样本性质。

广义最小二乘法在制冷蒸发器建模中的应用

为了避免制冷系统蒸发器建模中机理分析方法的复杂性和不精确性,提出基于广义最小二乘法的蒸发器辨识建模方法。该方法避免了机理分析法繁琐的数学推导,具有更强的可行性,且得出的模型更具有现实意义。模型检验和实际工程应用验证了此方法的有效性。

广义最小二乘估计的稳健性

讨论了协方差阵未知的椭球等高线性模型中的稳健性问题．证明当协方差阵在一定范围内变动时,广义最小二乘估计在一大类损失函数下部是风险最小的估计;广义最小二乘估计关于协方差阵和损失函数同时具有稳健性．

基于广义最小二乘法的随机非线性系统自适应跟踪

运用基于估计的模块化设计思想,研究了受方差不确定Wiener噪声干扰的参数严格反馈形式非线性系统对已知信号的自适应跟踪问题.构造控制Lyapunov函数(control Lyapunovfunction,CLF),设计了具有鲁棒稳定特性的输入状态稳定(input-to-state stability,ISS)控制器,确保系统满足控制器-辨识器分离;运用Swapping技术设计辨识器模块,将动态参数模型转换成静态模型,考虑到方差不确定,采用广义最小二乘算法进行参数估计,讨论了系统方差的估计方法.

回归系数一类线性估计与广义最小二乘估计的相对效率

在均方误差矩阵准则下研究了回归系数的一类线性估计相对于广义最小二乘估计的优良性问题,并讨论了三种不同相对效率的上、下界.

识别传递函数参数的一种广义最小二乘法

线性动力学系统的频响特性的量测误差具有相关性,用最小二乘估计求得的传递函数系数有偏.为此,本文用广义最小二乘法导出识别传递函数参数的迭代算法,并用数值模拟法产生强噪声污染的频响函数数据,用它作识别计算.结果表明本文建议的算法比最小二乘法的精度有明显提高,计算量也不大.

投资者情绪对我国股市行业收益率的动态影响作用——基于固定效应广义最小二乘法的研究

本文使用2005—2011年我国股市行业收益率数据并构造投资者情绪指标,利用VAR格兰杰因果检验和固定效应广义最小二乘法分析投资者情绪对我国股市的动态影响。实证结果发现,2005—2011年的两次股票市场大幅度涨跌中,我国投资者情绪和股票收益率存在双向因果关系;投资者情绪在3个月内会对股票收益率有正面的影响,此后12个月内其正向影响作用出现了明显的负向反转,其中具有较高账面市值比和占有较高经济地位的交通运输业、信息技术业和制造业等国家基础行业容易受到投资者乐观情绪的影响而出现大幅度涨跌。

基于最小二乘和广义最小二乘的系统偏差估计研究

多传感器数据融合首先要解决误差配准问题,来估计系统偏差并消除它。把最小二乘理论运用于多传感器数据融合,能够得到系统偏差估计。分析最小二乘(LS)和广义最小二乘(GLS)的原理,并对两种算法进行了比较。