基于迭代最小二乘的水下三维高鲁棒性定位算法

为解决基于空间角信息水下3维定位中,闭式解算法中定位性能无法达到克拉默-拉奥界(CRLB)和牛顿迭代算法初始值选取问题,该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值,将迭代结果修正闭式解算法的残差项,通过迭代最小二乘法的交替运算,得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性,消除伪线性加权最小二乘算法中残差项选取的不利影响,解决了迭代法初始值选取问题,得到与收敛情况下迭代法相近的定位性能。

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。

广义非线性最小二乘迭代算法在多维多时态多精度数据处理中的应用

本文首先对广义非线性最小二乘迭代算法的研究现状进行分析,随后基于广义非线性最小二乘迭代算法对多维多时态多精度数据处理问题进行研究,期望能够对数据处理问题的优化有所帮助。

一种基于UWB TDOA定位模式的迭代最小二乘算法

针对超宽带(ultra wideband,UWB)传感器在到达时间差(time-difference-of-arrival,TDOA)定位模式下的定位算法存在精度低且发散的问题,提出一种简单迭代最小二乘算法。该算法具有公式简单、定位坐标收敛和定位精度高等优点,其主要思想是先将TDOA定位方程通过勾股定理转化为非标准的最小二乘形式,再结合未知变量之间的等式约束关系,将含有2个未知变量的表达式转化为仅含1个未知变量的表达式,最后采用迭代思想计算出UWB标签的收敛坐标。蒙特卡洛仿真实验结果显示,本文算法在大噪声环境下的定位精度明显优于迭代约束加权最小二乘算法。

求解二次指派问题的最优迭代最大最小蚂蚁算法

为提高二次指派问题的求解质量,设计了一个有效的最大最小蚂蚁求解算法。首先,运用最优迭代思想,让每只蚂蚁从当前最优路径中随机地选择位置及其对应的任务作为下一轮迭代的初始值,增强每轮搜索的有效性;其次,采用加入新任务后目标值的增量作为启发式因子来引导状态转移,增加每步搜索的目的性;然后,应用多精英策略来进行信息素更新,增加解的多样性;并设计有效的双重变异技术来提高解的质量,提高算法的收敛速度;最后,应用QAPLIB数据集进行了大量实验,结果表明:该算法在二次指派问题的求解质量和稳定性上显著优于其他算法。

基于最小二乘迭代算法精确估计塔康方位参数

对中频数字化技术的塔康视频信号方位估计进行了研究。首先通过搜索PAM信号的峰值,得到由随机峰值点组成的包络信号;再根据确定的信号形式,采用最小二乘迭代算法估计出包络信号的方位参数。不需要寻找正斜率拐点和脉冲对译码,通过迭代运算能减小运算量和计算机内存,在对峰值进行拟合过程中,能有效抑制噪声的影响,提高参数估计精度。计算机仿真验证了其有效性。在3 dbW的功率信噪比下,估计误差不超过0.5°,满足塔康系统的方位误差为2°的要求。与传统方法相比,该方法具有实现简单、高精度的特点。

混合总体最小二乘的迭代解算算法

总体最小二乘估计能够同时顾及线性模型中系数矩阵A和观测向量L的误差,平差理论相对更为严密。如果系数矩阵A的部分元素没有误差,这种总体最小二乘模型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares-total least squares,LS-TLS)解算问题,应用测量平差中的原理和方法,推导了混合总体最小二乘的迭代逼近解算公式,通过与奇异值分解法分析比较,分析了两种解算方法具有等价性,最后通过实验数据分析得出迭代算法的有效性和合理性。

利用无人机影像和广义迭代重加权最小二乘法的三维重建

为了提高基于无人机影像重建三维场景的效率,提出了应用广义迭代重加权最小二乘法的全局式三维重建方法。首先,介绍了广义迭代重加权最小二乘法的基本思想和具体步骤;接着,将全局旋转矩阵的求解转化为李代数中旋转向量的求解问题,利用结合范数优化和迭代重加权最小二乘的方法求出全局旋转最优解;然后,根据极线几何约束条件,解算相机在全局坐标系下的相对平移方向向量,在广义迭代重加权最小二乘架构下,利用二次规划法求出相机全局位置最优解;最后,对影像位姿参数和重构三维点进行光束法平差优化。实验结果表明该方法在提高重建效率的同时,能够更真实地恢复场景的几何形态。

迭代广义最小二乘法的建立及其在重复测量数据中的应用

线性回归模型是处理两个或两个以上变量问线性依存关系的统计方法，是医学研究中最常用的统计学模型之一。在确定了线性回归模型的形式，又确定了自变量选取的情况下，就需要对模型的各个系数进行估计以及对系数估计值的统计学意义进行探讨，在临床研究中有时还需要对不同回归系数估计值之间的差异是否有统计学意义进行检验。

矩阵方程AXB=C的中心对称最小二乘解及其最佳逼近的迭代算法

本文建立了求矩阵方程AXB=C的中心对称最小二乘解的迭代算法。在不考虑舍入误差时,对任意给定的初始中心对称矩阵,该算法能够在有限步迭代后得到此方程的中心对称最小二乘解。当选取特殊的初始矩阵时,可得到极小范数中心对称最小二乘解。另外,在上述解集合中也可得到给定矩阵的最佳逼近矩阵的表达式。

广义非线性最小二乘测量参数平差的快速差分迭代解算

针对数字化建设中涉及的多类型、多精度、多源、动态非线性最小二乘测量参数平差问题,提出了一种新的解算模型。该模型通过构造适当的差分点列,避免了一阶或二阶导数计算,对于模型复杂或者导数不存在的函数模型而言,具有适应面广、算法简单等特点,为广义非线性数据处理中的参数估计问题的解决开拓了又一新的思路。

广义非线性最小二乘测量参数平差的快速差分迭代解算

本文针对"数字化建设"中涉及的多类型、多精度、多源、动态非线性最小二乘测量参数平差问题,提出了一种新的解算模型。该模型通过构造适当的差分点列,避免了一阶或二阶导数计算,对于模型复杂,或者导数不存在的函数模型而言,具有计算量小、收敛速度快等特点。

复指数信号模型非线性最小二乘解的几何结构及迭代算法

本文给出了复指数信号模型非线性最小二乘解的几何结构 .从分析迭代算法的收敛性态入手得到解的几何结构 ,将有助于构造十分有效的迭代算法 .另外 ,本文在低信噪比 (10dB)及较小频率差 (0 0 2Hz)的情况下 。

基于迭代重赋权最小二乘算法的块稀疏压缩感知

压缩感知是一种新颖的信号处理理论.它突破了传统香农采样理论对采样的限制,以信号的稀疏性或可压缩性为基础,实现了信号的高效获取和精确重构.然而在现实中,部分稀疏信号还表现出一些其他结构,典型的例子就是一类块稀疏信号,其非零元素以块的形式出现.针对这类信号,本文研究了求解块稀疏压缩感知的迭代重赋权最小二乘算法(IRLS),给出了该算法的理论分析:误差估计和局部收敛性分析.大量试验验证了基于迭代重赋权最小二乘算法的块稀疏压缩感知策略的有效性.

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机（LS-SVM）回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明：在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。

线性矩阵方程异类约束最小二乘解的迭代算法

多矩阵变量线性矩阵方程(LME)约束解的计算问题在参数识别、结构设计、振动理论、自动控制理论等领域都有广泛应用。本文借鉴求线性矩阵方程(LME)同类约束最小二乘解的迭代算法,通过构造等价的线性矩阵方程组,建立了求多矩阵变量LME的一种异类约束最小二乘解的迭代算法,并证明了该算法的收敛性。在不考虑舍入误差的情况下,利用该算法不仅可在有限步计算后得到LME的一组异类约束最小二乘解,而且选取特殊初始矩阵时,可求得LME的极小范数异类约束最小二乘解。另外,还可求得指定矩阵在该LME的异类约束最小二乘解集合中的最佳逼近解。算例表明,该算法是有效的。

求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法

该文建立了求矩阵方程AXB+CXD=F的中心对称最小二乘解的迭代算法.使用该算法不仅可以判断该矩阵方程的中心对称解的存在性,而且无论中心对称解是否存在,都能够在有限步迭代计算之后得到中心对称最小二乘解.选取特殊的初始矩阵时,可求得极小范数中心对称最小二乘解.同时,也能给出指定矩阵的最佳逼近中心对称矩阵.

一类Lyapunov矩阵方程对称最小二乘解的迭代算法

基于共轭梯度法,建立了一类Lyapunov矩阵方程的对称最小二乘解的迭代算法.使用该算法不仅可以判断这类矩阵方程的对称解的存在性,而且无论对称解是否存在,都能够在有限步迭代计算之后得到对称最小二乘解.选取特殊的初始矩阵时,可求得极小范数对称最小二乘解,同时也能给出指定矩阵的最佳逼近对称矩阵.最后,利用数值算例对有关结果进行了验证.

矩阵方程组的最小二乘解及其最佳逼近的迭代算法

建立了求矩阵方程组AiXBi=Ci(i=1,2)的最小二乘解的迭代算法.不考虑舍入误差时,对任意给定的初始矩阵,该算法能够在有限步迭代计算后得到矩阵方程组的最小二乘解,给定特殊的初始矩阵时可得到极小范数最小二乘解.另外,在上述解集合中也可给出指定矩阵的最佳逼近矩阵.