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。

基于迭代加权最小二乘的桥梁动态称重理论与试验研究

目前商用桥梁动态称重系统(weigh-in-motion systems,BWIM)大多基于Moses算法,虽然能高效快速地识别行驶于桥梁的车辆轴重,但轴重识别精度偏低。为解决这一问题,提出基于迭代加权最小二乘的桥梁动态称重(iteratively reweighted least squares,IRLS)算法。与Moses算法不同,IRLS算法考虑了荷载响应中存在的多种不确定性因素,为每个荷载响应值提供一个合适的权重系数,区分不同荷载响应对轴重识别的贡献度。首先,将迭代加权最小二乘引入桥梁动态称重,推导出相应的轴重识别计算公式;然后,通过车桥数值仿真模型,分别用IRLS算法和Moses算法识别轴重,对比分析两种算法的精度及影响因素;最后,基于怀化舞水五桥引桥的车桥动力试验,进一步验证IRLS算法用于桥梁动态称重的有效性和准确性。结果表明,IRLS算法能较合理地分配不同荷载响应对轴重识别的贡献度,在一定程度上提高车辆轴重识别的精度。

基于迭代重加权的子阵级MIMO雷达角度超分辨算法

针对子阵级多输入多输出(MIMO)雷达阵列孔径数量有限带来的高方向图旁瓣问题,构建了子阵级MIMO雷达收发信号和多子阵角度测量模型,提出了基于自适应迭代重加权(AIR)和p-范数约束下迭代重加权最小二乘(p-IRLS)的角度超分辨算法,分析了两种算法的计算复杂度。在仿真实验中验证了两种算法的性能,并对其在单目标和双目标、以及干扰环境检测中的效果进行了比较分析。仿真结果表明,AIR和p-IRLS算法能够有效降低子阵级MIMO雷达的方向图旁瓣电平,同时实现对目标的角度超分辨。和AIR算法相比,p-IRLS算法在低信噪比和邻近目标分辨性能更突出。

基于TOA的迭代最小二乘定位算法研究

室内环境中基站与标签之间的距离会受到随机误差的影响,针对超宽带(UWB)系统的定位特性,提出了一种迭代加权最小二乘(IRLS)算法削弱测距随机误差的影响。首先,利用加权最小二乘算法获得标签的三维坐标。其次,通过构建中间变量,利用中间变量与位置坐标的关系构造迭代关系,并通过迭代计算提高标签三维坐标点位精度,得出最优解。仿真结果表明,在静态定位实验中,IRLS算法与经典最小二乘(LS)算法的平均点位误差分别为11.96 cm和13.42 cm,IRLS算法的定位结果优于LS算法;在动态定位实验中,经过卡尔曼滤波算法平滑处理后,IRLS算法的点位精度相比经典LS算法提升了12.82%。因此,IRLS算法可以显著提高UMB定位系统的点位精度。

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。

基于迭代重加权最小二乘法的雨滴谱函数拟合研究

传统的雨滴谱函数的拟合方法在不同的降水类型和不同分布函数下,可能存在拟合出来的雨滴谱函数与实际数据差异过大的情况,基于此问题,本文提出一种基于迭代重加权最小二乘法(Iterative Reweighed Least Square,IRLS)的雨滴谱函数拟合方法。利用Parsivel激光雨滴谱仪2019年7—10月在海南安定获得的225组层状云降水样本和110组对流云降水样本数据进行实验,通过不断更新权值,迭代计算,从而求出待估计参数。模拟结果表明了该方法应用在不同降水类型和不同分布函数下,对比阶矩法和最小二乘法得到的拟合优度都是最接近1的。

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。

使用迭代重加权最小二乘法求解平面度误差

提出了几何误差评定的迭代重加权最小二乘(IRLS—It鄄erativeReweightedLeastSquares)算法。该算法采用一个迭代过程求解一系列加权最小二乘问题,并在每一步迭代中按照一定的规则对权系数进行调整,使其逐步逼近最优拉格朗日乘子。对于用CMM(坐标测量机)和其他设备得到的数据,可得到平面度误差的精确值。

改进的迭代重加权最小二乘非凸压缩感知算法

非线性重构算法是压缩感知的三个主要研究内容之一。在详细分析了现有的迭代重加权最小二乘?_p优化方法的基础上,提出改进的迭代重加权最小二乘?_p范数最小化非凸压缩感知优化算法。实验结果表明,改进的算法拥有更高的成功重建百分比和重建速度,在同样稀疏度的情况下可以大大减少所需的测量次数,对于压缩感知的重建算法研究以及实际应用都具有重要的意义。

基于迭代重加权最小二乘宽度学习系统的微波天线谐振频率建模

为了克服深度学习训练过度耗时的弊端,提出宽度学习系统(BLS),使用岭回归算法求解输出权重,极大地方便了训练过程,对于大样本而言,此做法高效且快速.然而,在处理微波器件这类小样本电磁问题上,则大大限制了模型的拟合能力.为了进一步提升模型的性能,针对小样本的回归问题,将迭代重加权最小二乘算法(IRLS)与宽度学习算法相结合,配合网格搜索法以确定模型的最佳结构.通过对矩形和圆形两种微带天线谐振频率的预测,并与一些主流的算法对比,证实了迭代重加权最小二乘宽度学习系统(IRLS-BLS)的有效性.

基于共面直线迭代加权最小二乘的相机位姿估计

针对相机内参数已标定和未标定情况下的相机位姿求解,提出了基于共面直线迭代加权最小二乘的相机位姿估计算法。推导了关于相机焦距和位姿参数的线性方程,通过4条以上共面直线实现了相机位姿参数的线性解算;对参数线性解进行迭代加权最小二乘优化,得到更高精度的参数估计值和直线权值;最后,利用直线权值和欧式变换的保距性实现相机焦距的解算,得到了相机焦距和位姿参数的估计值。仿真实验表明:提出的算法在相机已标定,直线数为20,像点噪声方差为5pixel的情况下,角度误差小于0.2°,相对平移向量误差小于0.5%,耗时大约为1ms。真实数据实验表明,提出的算法可以获得与棋盘标定结果相近的精度。与现有算法相比,提出的算法抗噪性更好,精度更高,能够实现基于单幅图像的未标定相机的位姿估计。

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。

基于迭代重加权最小二乘直线拟合的车轮踏面动态检测基准定位方法

为保障车辆运行安全,需定期测量车轮踏面外形尺寸。目前车轮踏面尺寸主流检测方法为车轮侧面基准定位法,但蛇行运动基准倾斜、异物和光干扰等现场因素会导致其定位误差。对此,文章提出一种车轮踏面动态检测基准定位方法,其通过结构光标定位和中心线提取等算法提取点云数据后,结合踏面特征来分割内侧面基准特征点,再采用迭代重加权最小二乘直线拟合(iterative reweighted least-squares line fitting,IRLSLF)方法来实现内侧面基准的鲁棒定位。人机比实验结果显示,在动态倾斜工况下,以IRLS-LF定位结果为基准的轮缘高度和厚度的对比偏差范围分别为±0.1 mm和±0.2 mm,而以LSLF和固定参数法定位结果为基准的测量误差范围宽度均在0.8 mm左右,表明该方法可有效解决因现场因素导致的基准定位偏差问题,进而保障车轮踏面动态检测的测量精度与鲁棒性。

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。

加权最小二乘估计中选择权数的迭代算法

介绍了加权最小二乘估计的性质及其常见权数选择的方法,并给出评判一个好的二乘估计的标准,由此提出选择权数的迭代算法.

一种迭代加权最小二乘旁瓣抑制滤波器设计

二相码信号是一类常见的脉冲编码信号,但码较短时,匹配滤波的主副比不高,需要采用旁瓣抑制技术。通过迭代加权最小二乘算法对旁瓣抑制滤波器的最小二乘解进行优化,选择合适的终止条件,只需几步就能达到最优解。分析该算法应用于m序列需要满足的条件,及PSL、ISL与滤波器长度的关系,并给出计算机仿真结果。

基于误差迭代补偿的干涉合成孔雷达四向加权最小二乘相位解缠法

相位解缠是干涉合成孔径雷达(In SAR)高程地形测量中的关键步骤之一。四向最小二乘法相比传统的两向最小二乘法,充分考虑了对角方向的相位信息,其解缠结果更接近真实值;但还是存在一定的误差。为了进一步提高解缠精度,提出了一种基于误差迭代补偿的四向加权最小二乘相位解缠法。通过利用缠绕相位二阶差分和梯度相关质量图的双重特性,来构建新的权重,能更好地修正坡度变化大的相位区域,抵消平滑作用,再采用误差迭代补偿机制,进一步提高解缠精度。实验结果表明,该方法有一定的优越性和可行性。

加权整体最小二乘的迭代解法

推导了加权整体最小二乘的迭代解法,分别用整体最小二乘法和加权整体最小二乘法计算了直线拟合问题。结果表明,加权整体最小二乘迭代解法的准度和精度比整体最小二乘好,而且系数矩阵中固定元素在计算结束后保持不变,证明了该解法的正确性。

基于迭代重加权的广义总变分超分辨率重建

由于传统超分辨率重建算法在模糊和噪声严重的情况下不能有效地抑制图像中的噪声,提出基于迭代重加权范数的广义总变分超分辨率重建算法。该算法采用迭代重加权的数据保真项和正则项构造广义总变分的代价函数,并采用预处理共轭梯度法对其进行优化,能够有效地抑制噪声的产生。实验证明,该算法在去除噪声的同时,能够很好地保持图像的细节信息,有很好的视觉效果。

局部平面波模型约束下的迭代加权最小二乘反演三维地震数据规则化

数据规则化是地震数据处理中一项十分重要的内容,本文提出一种基于迭代加权最小二乘反演的数据规则化方法。该方法的思路是:在Cauchy模意义下引入与模型有关的加权算子对数据拟合剩余量进行加权,可有效避免野值对插值结果的影响;采用平面波解构滤波器估计的局部倾角信息作为约束条件,不仅可保证反演过程稳定,而且能对假频数据有效插值;通过预条件共轭梯度法迭代求解,提高收敛速度;采用分时间切片并行化处理,可进一步提高三维地震数据规则化处理的效率。理论模型和实际地震数据的插值试验结果验证,本文提出的地震数据规则化处理方法速度快,效果好,具有较高实用价值和广泛应用前景。