基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.

基于斜率加权的最小二乘RAIM算法研究

为解决某些卫星在故障检测算法中不敏感的问题,提出了卫星斜率加权的最小二乘算法。该方法从理论上推导出卫星特征斜率的表达式,根据特征斜率大小构建斜率加权矩阵,对特征斜率较小的卫星加以更大的权重。构造出斜率加权的检验统计量,通过比较新的检验统计量与检测门限,实现对卫星的故障检测。结合真实数据对该方法进行验证,结果表明:基于斜率加权的最小二乘RAIM算法的故障检测率优于最小二乘RAIM算法。

基于最小二乘原理的多传感器加权融合算法

以存在随机扰动环境中的不同参数多传感器为研究对象 ,基于最小二乘原理 ,提出了一种加权融合算法 ,推导出各传感器的权系数与测量方差的关系。并且根据测量信息 ,提出了一种方差估计学习算法 ,实现对各传感器测量方差的估计 ,从而对各传感器的权值进行合理的分配。该算法简单 ,能快速。

基于时间差分和局部加权偏最小二乘算法的过程自适应软测量建模

工业过程软测量模型常常因为过程的变量漂移、非线性和时变等问题而使得预测性能下降。因此,时间差分已被应用于解决过程变量漂移问题。但是,时间差分框架下的全局模型往往不能很好地描述过程非线性和时变等特性。为此,提出了一种融合时间差分模型和局部加权偏最小二乘算法的自适应软测量建模方法。时间差分模型可以大大减少过程变量漂移的影响,而局部加权偏最小二乘算法作为一种即时学习方法,可以有效解决过程非线性和时变问题。该方法的有效性在数值例子和工业过程实例中得到了有效验证。

基于加权最小二乘优化的DV-HOP定位算法

确定事件发生的传感器节点位置是大多数无线传感网络应用场景中不可缺失的一部分。目前,在资源受限的无线传感网络中设计高精度定位算法仍是一个极具挑战性问题。为此,深入分析了DV-HOP算法中误差产生的原因,提出一种改进的DV-HOP算法。该算法为了降低计算所带来的固有误差,估算坐标时采用不直接对估算方程进行平方的方法;此外,为了进一步降低误差,采用了加权最小二乘法进行坐标估算;最后,采用理论分析的方法对算法进行了误差分析。仿真结果表明改进的算法与传统DV-HOP算法及文献[16-17]中的算法相比定位精度得到明显改善,分别提高了40%、28%和15%。

基于加权最小二乘估计的双基地声呐定位算法研究

依据T/R-R型双基地声呐的工作特点,提出了基于加权最小二乘(WLS)估计的双基地声呐定位算法,通过数值仿真,研究了不同基线长度下该算法的定位精度,给出了WLS算法定位精度的几何分布。结果表明,运用该算法对水下目标进行定位,比单纯基于波达时间(TOL)的定位方法,双基地系统可以获得更高的定位精度。

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩。从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二乘解,并且此解是唯一的,仿真结果同样验证了该结论的正确性。

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理 ,提出了基于加权最小二乘估计 (WLS)的双基地声呐定位优化算法 ,给出了算法的原理和误差分布。通过数值仿真 ,研究了系统参数对算法定位精度的影响 ,给出了不同条件下定位误差的几何分布。并将该算法与单纯基于声波到达时间算法的定位性能进行了比较。仿真结果表明 ,双基地WLS算法充分利用了双基地系统的冗余信息 ,具有较高的定位精度。该研究为多基地声呐水下目标的探测。

加权整体最小二乘EIO模型与算法

构造了加权整体最小二乘EIO(errors-in-observations)模型,只改正独立观测值,观测值协因数阵最简洁,可克服EIV模型缺陷。基于EIO模型推导了参数估计和协因数阵精确迭代算法,实例结果正确,计算效率高。

基于加权组合算法的点云孔洞修补

为了对无人机航测数据中的点云孔洞进行修补,将最小二乘支持向量机算法LS-SVM和遗传算法GA优化的反向传播神经网络算法BP进行线性组合,构建一种加权组合模型,用于散乱点云数据中的孔洞修补。通过两种修补方法的误差进行两者的加权组合,建立出与两种修补方法误差相关的加权组合模型,并将加权组合模型的修补结果与单一使用最小二乘支持向量机、遗传算法优化的BP神经网络两种修补方法的修补结果进行残差和内外符合精度的比较与分析。结果表明:采用加权组合模型得到的点云修补结果内外符合精度较高,且具有更强的稳定性,为无人机获取的点云数据提供了一种有效的孔洞修补方法。

基于加权最小二乘的多基地声呐定位算法研究

研究水下监视目标跟踪声呐定位精度问题,改善双基地声呐在某些区域(如基线区、发射和接收站的侧边区)定位性能,为了提高系统定位精度,最有效的方法就是增加发射和接收站的数量,形成多基地声呐。根据多基地声呐的几何关系,提出了加权最小二乘估计的多基地声呐定位优化算法,结合定位误差的表达式,对定位性能进行了仿真。仿真结果表明,基于加权最小二乘估计的多基地声呐定位优化算法,能够充分利用各基站的测量信息,有效提高声呐系统的定位精度。与基于距离信息的多基地声呐定位算法相比,算法不仅具有较高的定位精度,而且可以有效解地解决边区定位误差较大的问题。

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.

多变量系统混合加权最小二乘约束稳定预测控制算法研究

单变量混合加权最小二乘(MWLS)稳定预测控制算法具有在线计算量少、闭环系统稳定以及处理存在不可行解的情况等优点。但是在实际工业控制过程中,许多化工过程都是多变量的。因此,在此基础上,针对多输入多输出系统,研究了MWLS算法,并进行了仿真研究,仿真结果证实了该算法的可行性。

基于加权最小二乘法的细节增强去雾方法

雾天天气的出现使得采集到的图像出现对比度低、可辨识度差的现象.为了改善视觉系统的功能稳定性,提出一种图像去雾算法.针对当下去雾算法得到的去雾图像易产生光晕伪影的缺点,提出了形态学级联算法来估算场景透射率,在此基础上为保证场景透射率拥有清晰边缘细节的同时保持图像平滑,引入加权最小二乘来细化透射率;采用一种改进的基于四叉树法的分层搜索算法来准确估计天空区域的大气光值;引入大气散射模型,将求取的透射率以及大气光照值代入模型中来获得去雾图像.在实用性对比中,目标检测精度得以提升.与当下主流去雾算法定性和定量比较,所提出的方法在保留深度边缘、颜色质量及细节方面恢复效果良好,在图像评价指标均方差中最高降低7.0%,信噪比、结构相似性、颜色信息熵方面分别最高提升21%,32%,1.1%.

加权整体最小二乘EIV模型与算法——与“加权整体最小二乘EIO模型与算法”一文的讨论

加权整体最小二乘方法是一种能同时顾及EIV(errors-in-variables)模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景,EIV模型则表现出不同的结构特征。“加权整体最小二乘EIO模型与算法”一文采用EIO模型处理EIV模型中的结构化问题*。为了将其与现有方法进行对比,本文罗列出4种处理EIV模型结构特征的方法,并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是,针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究,但各方法殊途同归。

非负最小二乘约束的加权贝叶斯反演算法研究

在多角度动态光散射纳米颗粒粒度分析反演算法中,加权贝叶斯算法具有较好的抗噪性能,然而初值敏感、耗时长等缺点限制了其广泛应用,本文提出非负最小二乘约束下的加权贝叶斯反演算法,利用非负最小二乘法的计算结果作为加权贝叶斯算法先验初值,并限制中值粒径和峰宽的寻优.对不同分布宽度的单峰颗粒系统在不同噪声下进行数据模拟,发现无论是宽分布还是窄分布的单峰颗粒系统,非负最小二乘约束的加权贝叶斯算法都可以显著提升迭代收敛速度和抗噪性能,在大噪声时收敛速度提升8倍以上且保证分布误差在0.0709以内.实验结果证明本文算法能很好地应用于多角度动态光散射的粒度分析.

基于加权最小二乘法的RAIM算法研究

针对最小二乘法在卫星故障检测和识别中存在的问题,研究将加权最小二乘算法用于卫星故障检测和识别,该算法将测量方程的协方差矩阵对角线元素作为加权因子,进而得到基于加权最小二乘法的卫星故障检测算法。通过各颗卫星伪距残差的平方和建立检验统计量,根据故障检测误警率和概率密度函数得到检测门限,将计算得到的伪距残差平方和与检测门限进行比较,进而实现故障的检测和隔离。结合实测数据,验证对比了两种算法的性能,结果表明:加权最小二乘RAIM算法在故障检测的灵敏度和故障识别性能方面优于最小二乘RAIM算法的性能。

基于加权非负最小二乘的颗粒粒径反演方法研究

针对超声衰减谱法的颗粒粒径测量,为减小实验超声衰减谱的测量误差对反演结果的影响,提出了一种基于最优正则化的加权非负最小二乘OrtWtls反演算法。基于McClements和BLBL模型预测,引入加权矩阵对衰减谱粗大误差进行修正。结果表明,信噪比分别为10 dB和20 dB含噪超声衰减谱反演得到的粒径分布体积中位径与设定直径的相对误差小于5%,且多次测量的标准差小于1μm。用提出的OrtWtls算法对质量浓度为10%和20%的石灰石浆液实验超声衰减谱进行反演计算,与图像法的相对误差分别为7.71%和9.64%,证明了OrtWtls算法求解颗粒粒径分布的可行性。

通用EIV平差模型及其加权整体最小二乘估计

以平差基本理论为基础,提出了EIV(errors-in-variables)平差模型的通用形式,涵盖了间接平差、条件平差、附有参数的条件平差及附有限制条件的间接平差等基本EIV模型形式。基于整体最小二乘估计准则,研究了通用EIV模型的加权整体最小二乘算法,并推导了估计结果的近似精度公式。通用EIV模型及其整体最小二乘算法是对EIV模型估计理论的进一步完善,统一的整体最小二乘算法有利于软件的编程实现,有助于推动EIV模型估计理论的应用。