最优加权最小二乘估计解与矩阵希瓦兹不等式的推广

本文得出了推广的加权最小二乘估计解 ,存在权系数 ,在估计误差方差矩阵最小意义下 ,得出了推广的最优加权最小二乘估计解 得出了推广的矩阵型希瓦兹不等式。

推广的最优加权最小二乘估计解的一个结果

文章根据加权最小二乘估计解,存在权系数,在估计误差方差矩阵最小意义下,得出了推广的最优加权最小二乘估计解的一个结果。

基于时变稳健加权最小二乘法的股市收益率预测

提出一类时变参数稳健加权最小二乘法(TRWLS),并将其用于预测标准普尔500指数收益率.该方法将时间相关权重与稳健估计权重相结合,既能捕捉参数时变性,又能降低数据噪声的影响.TRWLS模型组合揭示了经济和统计意义上均显著的收益率可预测性,而且预测能力明显高于普通最小二乘法.TRWLS模型的预测表现也好于传统时变参数模型和稳健回归模型.其预测能力主要来源于时间权重和稳健性权重的互补性以及超参数的学习能力.预测结果在调整多元信息组合方法、权重核函数和验证集长度的情况下均具有稳健性.

最优加权最小二乘估计与线性无偏最小方差估计性能比较

在给定的线性模型下 ,讨论了最优加权最小二乘估计与线性无偏最小方差估计性能比较 .在噪声方差矩阵可逆条件下 ,可算出线性无偏最小方差估计与最优加权最小二乘估计方差的差表达式 ,并在一定条件下 。

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。

基于多直线对应和加权最小二乘的位姿估计

为了求解复杂环境下目标的位姿,提出了基于多直线对应的加权最小二乘位姿估计算法。首先对模型直线进行等间隔采样,并沿采样点投影法线方向搜索图像点对应;然后利用图像点对应局部和全局特性对样本点进行加权;最后通过优化法向距离实现目标位姿的优化求解。为了解决模型-图像对应错误引起的优化失败问题,算法在模型-图像点匹配阶段为每个采样点保留多个图像点对应,通过随机Hough变换(RHT)算法将图像点对应约束在直线上,并为每条模型直线保留多图像直线对应。在对样本点进行加权时,综合考虑了样本点自身的属性和样本点同周围点的关系,有效提高了算法对纹理,背景,噪声等的鲁棒性。实验结果表明:提出的方法能够实现复杂环境下目标位姿的优化求解,其在x方向、y方向和z方向的角度估计误差分别优于0.4,0.3和0.1°;在垂直光轴方向和沿光轴方向的相对位置误差则分别优于0.03%和0.1%。相比单假设方法,提出的方法能够更有效地克服复杂背景干扰,实现特殊视图目标位姿的稳定估计。

加权最小二乘估计在无线传感器网络定位中的应用

节点自身定位是目前无线传感器网络领域研究的重点之一,定位误差累积问题是节点定位中必须解决的一个关键问题,利用加权最小二乘估计的方法可以有效抑制累积误差的影响。介绍了如何将加权最小二乘估计应用于节点定位以及如何合理地选择加权系数以降低定位误差。仿真实验表明,运用加权最小二乘估计可以有效地抑制误差累积的影响,提高定位精度。

作物品种区域试验中品种均值估计的模型和方法——算术平均值、加权最小二乘估值和BLUP的比较

针对作物区域试验中的品种均值估计问题 ,根据混合线性模型的一般原理 ,总结和提出多种加权最小二乘估计(WLSE)和最佳线性无偏预测 (BLUP)的方法 ,推导了这些方法的平衡数据计算简式 ;同时 ,利用 14套 2年多点的棉花区试资料和一套 4年多点的棉花品种试验对这些方法的预测效果进行验证比较。结果表明 ,与算术平均值相比 ,以环境内误差方差倒数加权的WLSE估值的预测精度 (包括预测差的大小和品种排名的一致性 )明显不同 ,但其高低因数据而异 ;其他WLSE估值以及BLUP的预测结果差别不大 ,和算术平均值以及相互间的相关系数和秩相关系数均在 0 93以上。

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。

加权最小二乘状态估计量测权值计算的实用方法

分析了实际系统中直接影响加权最小二乘状态估计量测权值的因素,基于量测精度等级及满量程提出了设置量测权值的实用化方法,展示了实际系统中典型量测权值的标幺化数值,可以看出不同电压等级功率量测权值的差别以及电压幅值量测和功率量测权值之间的关系。使用文中方法计算得到的量测权值能更准确地反映量测精度,从而能够提高状态估计结果的准确性,模拟算例和实际工程应用验证了所述方法的有效性。文中还分析说明了计算两种派生量测权值的方法以及选取零注入量测权值的原则。

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能 ,提出了根据各传感器量测数据品质对量测数据加权处理 ,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法。仿真结果表明 ,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法。

带等式约束的加权最小二乘法参数估计

电力系统中网络参数错误会影响状态估计的性能,降低EMS中其他应用软件分析决策的可靠性和计算精度。必须通过高效的算法得到接近网络参数的真实值。对参数估计的主要方法进行了简要介绍,重点介绍了使用带等式约束的最小二乘法进行增广状态估计得到的真实解方法,该方法能够方便地集成到状态估计软件中。实例测试结果表明,带等式约束的增广状态估计方法有很好的实用价值。

基于约束加权最小二乘的无源定位闭式解算方法

针对无源定位问题中可进行伪线性处理的观测方程,提出一种基于约束加权最小二乘的无源定位闭式解算的理论框架。首先,在不限定定位观测量情况下,建立基于约束加权最小二乘的定位模型,推导其无约束最优化形式;然后,只需通过广义特征值分解即可实现辐射源状态估计并给出其解析表达式,并在此基础上证明了该闭式解的全局最优性和减小定位偏差的特性;最后,将该理论框架应用于到达角(angle of arrival,AOA)/到达时间差(time difference of arrival,TDOA)联合定位场景,验证了其有效性。仿真结果表明,所提算法定位精度能够逼近克拉美-罗下限(Cramer-Rao low bound,CRLB),定位偏差明显小于加权最小二乘算法,尤其在连续定位时间较短,噪声强度较大等情况下,验证了所提理论框架的优越性。

采用距离无偏估计的加权最小二乘定位算法

随着Wi Fi网络的广泛覆盖,基于接收信号强度的定位技术成为研究热点。针对已有基于接收信号强度定位算法定位性能不高的实际问题,提出一种基于距离无偏估计的加权最小二乘定位算法。该方法首先利用接收信号强度观测模型计算得到信号源与传感器之间距离的无偏估计量,然后根据距离计算公式建立方程组;接着把距离的无偏估计量代入方程组得到关于信号源位置的线性最小二乘模型,同时计算线性最小二乘模型中的噪声协方差矩阵;最后运用加权最小二乘方法计算得到信号源位置的估计量。该文对所提算法进行了充分的计算机仿真,仿真结果表明:在不同的定位环境下,所提算法的定位性能均优于传统加权最小二乘算法和最佳线性无偏估计算法。

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。

基于LMS回归的一步M估计与加权最小二乘估计

探讨在GM假设条件不满足情况下对线性回归模型的稳健估计方法。方法：介绍了估计的稳健性尺度和有效性的概念，采用基于LMS估计的M估计及加权最小二乘估计做稳健回归。结果：通过对一个模拟数据的分析，说明这两种稳健估计结果均优于经典的M估计及LS估计。结论：本文介绍的两种估计方法同时具有较高的稳健性及有效性，并可作近似的稳健推断。

加权最小二乘相位解缠的一种改进

基于最小二乘相位解缠原理,针对现有的加权和不加权最小二乘在残差点过多时计算结果平滑问题,提出利用相位导数变化图对其进行加权改进。结合真实数据,通过现有的加权与不加权最小二乘算法的比较和分析,证明该改进算法能有效处理残差点过多的情况,解缠精度高,解缠结果更可靠。

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。

加权最小二乘估计的多波束声强数据归一化方法

高质量的海底声强图是多波束海底底质分类的基础。在系统分析了多波束声强图像中沿测船航迹灰度异常值和区域性明暗差异成因的基础上,提出了基于加权最小二乘估计的多波束声强数据归一化方法。实例计算结果表明:该方法在不损失原有强度变化信息的基础上,有效地抑制了声强图中灰度异常值对海底底质分类的影响,提高了区域底质分类的质量。

基于加权最小二乘法的最优适应控制器

普通的最小二乘算法LS,并不能保证它的收敛性,而加权的最小二乘算法WLS,却有很好的收敛性,采用这种算法进行随机系统的辨识,能够保证算法所得的参数收敛于某一个向量,而且这种算法在很多方面具有同普通最小二乘算法一样的性质,采用这种算法对随机系统进行适应控制,能够保证系统是闭环全局稳定的,而且这种适应控制还能收敛于“一步超前”最优控制．