弹道导弹关机点状态估计的指数加权递归最小二乘方法

在双星预警条件下,将指数加权递归最小二乘算法应用于目标关机点状态估计问题中。通过引入加权因子对目标助推段运动的局部拟线性特性进行描述,从而在一定程度上克服了一般的线性多项式模型难以准确刻画整个助推段运动的难题。通过对助推段目标动力学特性的分析,考察了目标在垂直射面方向上的运动特性。在此基础上,提出了一种更为准确的助推段运动模型。仿真算例表明,所提出的关机点状态估计方法相对于传统的方法具有一定的优越性。

基于加权递归最小二乘的MIMO系统信道估计

文章针对多输入多输出(multiple-input multiple-output,MIMO)系统的信道呈现的稀疏特性,提出了一种基于加权递归最小二乘(weighted recursive least square,WRLS)的MIMO系统信道估计方法,在标准递归最小二乘算法的基础上,根据信道中的稀疏结构信息为每个抽头分配一个具有自适应变化特性的独立更新权重。仿真实验验证了该方法适用于非高斯噪声环境下的信道估计,在加快收敛速度的同时,也提高了信道估计的精度。

多径CDMA信道下基于指数加权最小二乘盲空时多用户检测

本文首先在码片匹配滤波的基础上为多径CDMA信道下的接收机提出四种数据选择方案,分析了各种数据方案对多址干扰与码间干扰的影响;接着提出了基于Rosen梯度投影实现的指数加权最小二乘盲空时多用户检测方法并分析了四种数据选择方案对其运算复杂度的影响;最后通过仿真实验结果表明:本文所提出盲空时多用户检测方法在运算量、收敛速度以及接收性能上具有一定的优势。

多站测向定位中递归加权最小二乘法的技术分析

最小二乘法常用于多站测向定位，文章在现有最小二乘法模型基础上，推导了一种递归加权的最小二乘法模型，并与非递归的最小二乘法模型在运算量上进行了比较，发现在测向站较多的情况下（多于6站），递归的最小二乘法模型比非递归的最小二乘法模型在运算量上要小，最后绘出了不同数量测向站的GDOP图，发现在一定误差条件下，随着测向站的增加，定位精度的提高并不是很明显。

无线传感器网络中传感器节点定位的递归加权最小二乘优化方法

采用最小二乘优化算法,研究了基于接收信号强度测量的信号源定位问题.首先,建立了路径损耗的线性化模型;然后,介绍了加权最小二乘法,并提出了无线传感器网络中传感器节点定位的递归加权最小二乘优化方法.最后将本文提出的迭代加权最小二乘法与基于接收信号强度(RSS)的2种算法进行比较,仿真结果表明提出的算法在定位精度方面有更好的表现.

基于地理加权和最小二乘线性回归模型的气温与NDVI聚集密度的相关分析

基于2015年广州地区1 km空间分辨率的MOD13A 3月合成NDVI数据以及春夏秋冬4个季节的气象站点近地表气温,首先利用聚集密度计算方法计算NDVI的聚集密度,构建不同季节近地表气温与NDVI聚集密度的最小二乘线性回归模型(OLS)和地理加权回归模型(GWR),分析广州市近地表气温与NDVI聚集密度的相关关系,探讨不同季节NDVI聚集密度回归系数的空间分布,并利用AICc信息准则、拟合优度和Sigma指标对GWR与OLS的结果进行比较分析。结果表明:NDVI聚集密度较好地反映了研究区建设用地、植被和水体等下垫面的综合信息;与OLS模型相比,GWR模型的拟合效果更显著,最小的拟合度从0.02提高到0.464,GWR模型的拟合度最大值达到了0.724;GWR模型回归残差的Moran’s I显著减少,如1月份Moran’s I指数从0.383减少到0.022;NDVI聚集密度对气温的影响具有空间异质性,整体上,从广州北到南,GWR模型中NDVI聚集密度与气温的回归系数由负值逐渐增加到正值,表明NDVI聚集密度对气温有着从负到正的影响;下垫面以不透水面为主的区域,GWR模型拟合度较低,以植被为主要下垫面的区域,GWR模型拟合度较高。

基于数据点重要性差异的最小二乘加权法

普通最小二乘法将所有的数据点对预测值(控制值)的影响作用等同看待。实际不应该如此,数据点的相互联系是有所区别的。以时间序列数据来说,近期的数据点往往更能说明待预测值,而远离预测期的早期数据点关联作用较小。基于这种看法,这里提出了最小二乘加权法,对不同的数据点在离差平方和算式Q中给予不同的权数,推导出参数估计的公式;提出了最小二乘加权法权重设置的机理,并就时间序列数据提出指数权重法。

最小二乘法的自加权问题及其修正

在自动控制、经济统计和预测以及其他一些需要进行数学模拟的领域 ,最小二乘法或其衍生方法是最常用的模型优化规则 .本文指出这种规则隐含有自加权效应 ,直接影响模型的优化 .然后提出了一种对最小二乘法进行修正的思想和方法 。

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．

完整的最小二乘递推算法及其对跟踪与预报的应用

利用广义逆矩阵的理论，本文分别就一般加权、最优加权和指数加权等三种情形导出了完整的最小二乘递推(PRLS)算法。在无需待估计量的任何先验统计知识的条件下．该算法能给出系统状态的最小二乘估计。对于某些线性系统，还能给出其状态的无差和无偏估计。最后．利用PRLS算法．我们还导出了机动目标多模型跟踪与预报(MMTP)

完整的最小二乘递推算法及其对跟踪与预报的应用

借助广义逆矩阵的理论,本文分别就一般加权情形、最优加权情形和指数加权情形,给出了无需事先提供待估计量的任何初始统计知识而能获得严格意义下的所谓完整的最小二乘递推(PRLS)算法。应用这种算法,分别得到了某些线性系统的无差和无偏状态估计以及机动目标多模型跟踪与预报(MMTP)算法。

改进的偏最小二乘回归推荐算法

基于已有的相关PLS算法,提出了针对QSAR研究和工业过程控制建模的环境要求的PLS回归改进算法:加强递归PLS算法.模拟实验结果表明:在实时建模过程中,该算法的性能优于传统的PLS回归算法.

复参数最小二乘估计方法

提出了基于复数U-D分解的复参数最小二乘估计方法。在传统的加权遗忘因子法的递推算法中,方差矩阵P(k)由于衰减很快而极易失去正定性.为了保证参数估计的收敛性,利用复数U-D分解,将方差矩阵P(k)进行U-D分解,将P(k)矩阵的递推计算已转化为U(k)和D(k)的递推计算问题,保证了数值计算的稳定性.

核最小二乘算法检测红外点目标(英文)

对于背景呈非线性变化的复杂图像,用背景预测的方法对红外点目标进行检测时,传统的线性最小二乘法(Least Squares,LS)的效果比较差。文章使用核方法(Kernel Methods,KMs)推导了最小二乘法的非线性版本:核最小二乘算法(Kernel Least Squares,KLS);进一步推导出了更适合动态系统时序预测的指数加权形式的核最小二乘算法(Kernel Exponential Weighted Least Squares,KEWLS)。提出了一种基于核方法的红外点目标检测算法,先用KEWLS非线性回归算法预测红外图像背景,再通过自适应门限检测残差图像中的目标。非线性函数回归和红外序列图像检测实验表明核方法较大地改进了算法的非线性函数估计与红外背景预测能力。

基于指数权函数的抗差状态估计算法

电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法(WLAV)状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法(E-LAV)。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法(WLS)近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。

火烧迹地遥感指数与地表温度空间差异性

以2003年根河和金河林业局森林火灾火烧迹地作为研究区,以2000年、2004年的landsat影像为数据源,运用辐射传输方程反演地表温度,提取影像12种常见的遥感指数。分析火烧强度与地表温度的关系、不同遥感指数对地表温度的解释效果以及不同尺度下遥感指数与地表温度的空间差异性,建立遥感指数和地表温度的最小二乘拟合模型(OLS)和地理加权回归模型(GWR)。结果表明:(1)火烧迹地的火烧强度对地表温度具有明显的解释效应,重度火烧具有较强的热聚集效应;(2)火烧迹地地表温度的解释因素主要为下垫面状况的因素,从12种宽带波段遥感指数对地表温度的解释模型中,发现差分归一化火烧指数(IDNBR)、归一化不透水面指数(INDIS)、植被归一化水体指数(IVNDW)、归一化植被指数(INDV)、绿度总和指数(ISG)、改进型归一化水体指数(IMNDW)等6种指数对地表温度的解释效应更好;(3)不同尺度下,地表温度与遥感指数具有空间差异性,不同指数空间相关性随尺度增大而减弱。(4)在解释地表温度模型选择上,局部回归GWR模型比全局回归OLS模型的回归结果好。

指数分布场合基于竞争失效数据的参数估计

讨论了指数分布场合竞争失效产品在恒定应力加速寿命试验和步进应力加速寿命试验情形加速方程中有关参数的加权最小二乘估计 。

沿海发达地区城乡居民幸福指数比较研究——基于宁波市鄞州区社情民意调查的实证检验

居民幸福指数是社会运行状况和民众生活状态的"晴雨表",也是社会发展和民心向背的"风向标"。本文首先选取健康、婚姻、收入、教育、是否城镇居民等九个变量,采用有序变量的回归模型,分析对城市居民和村民主观幸福感的影响,最后提出政策建议。

变异函数模型参数的非线性加权总体最小二乘法

针对球状模型和指数模型两种变异函数模型线性化后的系数矩阵具有非线性形式,系数矩阵元素含有随机误差等问题,该文使用非线性加权总体最小二乘法估计变异函数模型参数。以高程异常数据为例,利用变异函数值的点对数定权法和系数矩阵中距离值的方差-协方差传播律定权法迭代解算参数,并与最小二乘法,加权最小二乘法和非线性总体最小二乘法进行对比分析。实验结果表明:非线性加权总体最小二乘法能够得到更高精度的变异函数模型参数。

基于状态估计方法的相量测量单元电压稳定性研究

简要介绍电网的电压稳定性,并提出了基于状态估计的相量测量单元(PMU)测量电压稳定性的方法,该方法主要针对由于负载率变化引起的电压变化,并对不同负载情况和不同电压值情况下的电压稳定性进行了说明。提出通过采用加权最小二乘(WLS)方法对电力系统电压状态进行状态估计,同时通过使用PMU直接生成测量结果。为了在电力系统中达到PMU的最大利用效率,采用贪婪算法求解PMU的优化配置问题,利用电压稳定性指数和其他电压分析工具,推导出了PMU配置的最优位置。通过在电力系统中使用PMU,优化了电力系统中电压状态估计中繁琐的迭代过程,并且解决了电力系统中PMU的最优配置问题(OPP)。