基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

基于最小截平方和估计的混凝土坝变形监测粗差识别方法

粗差识别是混凝土坝安全监测数据预处理中的一项重要工作。结合变形监测统计分析模型,基于Fast-LTS算法,提出一种混凝土坝变形监测粗差最小截平方和估计识别方法。首先,基于最小截平方和估计,建立混凝土坝变形监测统计分析模型,挖潜变形监测序列与环境影响因子间的关系;其次,划分正常测值序列和疑似粗差测值序列,并针对疑似粗差序列,采用数理统计方法,逐一甄别直至判别出所有粗差。工程实例计算分析表明,本文方法粗差识别成功率达100%,远优于拉依达法则、格拉布斯准则与罗曼诺夫斯基准则等传统判别方法。更高的识别成功率,可为混凝土坝变形监测粗差识别提供一种新途径。

最小平方误差算法的正则化核形式

最小平方误差算法是最常用的一种经典模式识别和回归分析方法,其目标是使线性函数输出与期望输出的误差平方和为最小.该文应用满足Mercer条件的核函数和正则化技术,改造经典的最小平方误差算法,提出了基于核函数和正则化技术的非线性最小平方误差算法,即最小平方误差算法的正则化核形式,其目标函数包含基于核的非线性函数的输出与期望输出的误差平方和,及一个适当的正则项.正则化技术可以处理病态问题,同时可以减小解空间和控制解的推广性,文中采用了三种平方型的正则项,并且根据正则项的概率解释,详细比较了三种正则项之间的差别.最后,用仿真资料和实际资料进一步分析算法的性能.

一种改进的电力线正交频分复用信道估计的最小平方算法

信道估计是正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术数据解调与均衡的基础,文章在分析电力线信道特性的基础上,分析了采用离散导频技术的信道估计算法的性能,针对其抗噪声干扰能力弱的特点,提出了通过截短时域冲击响应长度来提高估计精度的算法。在电力线信道环境下的仿真计算证明了该算法具有良好的估计性能。

最小平方卷积反演算法及其在桥梁动挠度测量中的应用

本文给出的最小平方卷积反演方法 ,利用了输入信号的时限约束 ,用Hilbert空间中的正交投影的方法 ,得到最小平方意义下的最优解 .本文利用该方法成功地从惯性传感器信号中反演出桥梁动挠度信号 ,并给出与其他方法的比较 ,证明了该方法的有效性 。

基于遗传算法的最小平方支持向量机

支持向量机和最小平方支持向量机的分类中,采用人工方法选取特征子集和参数,需要付出较高的时间代价.为此,本文提出基于遗传算法的最小平方支持向量机,借助于遗传算法的全局随机搜索能力,自动确定特征子集、参数,为特征子集、参数的优化选择提供了一条有效途径.

基于改进最小平方中值算法的基本矩阵估计算法

针对基本矩阵的估计问题,为了消除误匹配点对和高斯噪声的影响,本文提出了一种估计基本矩阵的改进算法——基于遗传算法的最小平方中值算法,该算法是在最小平方中值算法中引入遗传算法,克服了传统鲁棒算法中对内点集的数据等同处理问题,利用遗传算法的全局优化特性,通过遗传算法对最小平方中值算法所得到的内点集合进行筛选,利用选取的8个匹配点对来估计基本矩阵。通过实例仿真表明,该算法在误匹配点对和高斯噪声存在的情况下具有更好的鲁棒性和精确性。

有序子集最小二乘OS-LS图像重建迭代算法

为推导一种新的快速图像迭代重建方法,首先将有序子集(orderedsubsets,OS)技术应用到最小二乘图像重建迭代算法(leastsquarereconstruction,LS);然后对仿真Phantom模型数据和实际医用正电子发射断层成像仪(PET)数据进行重建,并研究了在不同子集划分下的重建结果,同时分析比较了不同子集的选取对OSLS重建图像质量以及重建收敛速度的影响。重建结果表明,这种基于有序子集的最小二乘图像重建迭代算法(OSLS)具有较高的重建图像质量和较短的计算时间,相对于传统LS算法的重建,OSLS的收敛速度加速了约L倍(L为子集个数),其重建图像质量也好于传统的滤波反投影(FBP)方法的重建,可应用在PET图像重建中。

基于线性约束最小平方方法的神经数据融合算法与实现

提出了一种基于线性约束最小平方(Linear Constrained Least Square)方法的神经数据融合算法。LCLS方法用来最小化线性融合信息的能量，而神经网络算法则用来处理出现于LCLS方法中的样本协方差矩阵的不良条件和奇异性问题。此算法用软件和硬件都能实现。与已有的融合方法相比，文章提出的神经数据融合方法具有非偏倚的统计特性而且不需要关于噪声协方差的任何先验知识。将此方法应用于图像融合，结果显示这种方法能增强输出结果的质量。

基于LS算法的OFDM信道估计的研究与改进

OFDM信道估计中,LS算法因其运算简单,得到了广泛应用。但是在实际的系统中,由于有非理想因素的存在,使得该算法受到载波间干扰(ICI)噪声的影响;并且突发传输时,信道响应会受到外界噪声的干扰,使估计的信道响应幅值在一定范围内上下波动,并带有尖峰和毛刺。为了解决此问题,提出了一种基于LS算法的最优化FIR滤波器(切比雪夫滤波器)信道估计算法。切比雪夫滤波器在过渡带衰减很快,和理想滤波器的频率响应曲线之间的误差最小,因此该算法较之传统的加窗算法,能保证局部频率点的性能也是最优的,进而有效地减小均方误差(MSE)。在高斯白信道环境下引入突发噪声,对所提方案进行了仿真,其结果验证了该方法能有效消除通带内因突发传输引起的毛峰和尖刺。

一种基于最大最小距离和SSE的自适应聚类算法

K均值聚类是一种常用的聚类算法,需要指定初始中心和簇数,但随意指定初始中心可能导致聚类陷入局部最优解,且实际应用中簇数未必是已知的。针对K均值聚类的不足,文中提出了一个自适应聚类算法,该算法基于数据实例之间的最大最小距离选取初始聚类中心,基于误差平方和(SSE)选择相对最稀疏的簇分裂,并根据SSE变化趋势停止簇分裂从而自动确定簇数。实验结果表明,该算法可以在不增加迭代次数的情况下得到更准确的聚类结果,验证了所提聚类算法是有效的。

基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计

针对电动汽车质心侧偏角不便使用传感器直接测量的问题,提出采用平方根无迹卡尔曼滤波(SR-UKF)算法来估计电动汽车质心侧偏角。基于建立的车辆侧向动力学模型、非线性轮胎动力学模型以及估计得到的质心侧偏角,使用最小二乘法对轮胎侧偏刚度进行估计,得到轮胎侧偏刚度信息。最后,通过试验验证了基于SR-UKF的电动汽车质心侧偏角估计算法具有较高的精度,能够为后续车辆稳定性控制系统的设计提供有效的车辆状态信息。

基于观测域平方根UKF的机载无源定位算法

针对机载无源定位存在滤波稳定性差、收敛速度慢、定位精度低等问题,提出一种观测域平方根UKF滤波算法,新算法充分利用了观测域滤波的自动解耦功能和平方根UKF良好的数值稳定性及非线性滤波能力,并通过最小偏度单形采样的UT变换减少了算法在状态域与观测域之间转换时存在的舍入误差,同时也提高了算法的运行效率。仿真结果表明新算法提高了滤波稳定性、收敛速度和定位精度。

基于加权最小平方误差boosting的人脸检测

近年来Adaboost算法被成功地用于人脸检测中,本文给出了一种基于加权最小平方误差boos-ting算法的人脸检测。首先本方法在每一次循环中用加权最小平方误差准则训练弱假设,与原始Ada-boost算法不同的是弱假设的生成不仅用于预测分类,而且用于估计每次预测的自信率,然后由这组含自信率的弱假设集成构造出强分类器。实践表明基于加权最小平方误差boosting算法的分类器有较高的检测率和较低的正样本误检率。

LS-SVM和BP算法在逆模型控制中的对比研究

最小二乘支持向量机(least squares support vector machine,LS-SVM)具有很好的非线形逼近能力和泛化能力,通过研究逆模型存在的条件,提出了基于LS-SVM的逆模型辨识方法。仿真结果表明基于LS-SVM的逆模型辨识方法在处理非线性对象时,辨识精度、辨识速度、泛化能力都要强于BP算法。

前馈式神经网络的最小二乘学习算法

通过对Sigmoid函数求逆 ,把非线性极值问题转化为线性方程组来处理 ,巧妙地避开了梯度 ,从而可以克服BP算法的一些缺点 ,提高了算法的收敛速度 .同时采用最小二乘法来求解方程组 ,进一步提高了收敛速度 .算法的计算过程为每次处理一个节点的所有前一层连接权 ,轮换处理 ,直到收敛到最小点 .

QR_RLS算法的浮点脉动阵结构研究与FPGA实现

随着雷达信号处理技术的不断发展,对实时并行性和处理精度都提出了更高的要求,脉动阵结构是雷达信号处理中一种关键并行处理结构。文中介绍了一种基于QR_RLS算法的浮点脉动阵结构。为了提高运算速度,充分利用资源,引入了自定义浮点格式及该格式下的浮点运算单元的设计,并改进了平方根算法,提高了运算精度。在FPGA上实现了这种脉动阵结构,结果表明这种自定义浮点格式的脉动阵结构在提高了运算精度的同时,降低了相应的资源占用率,对实时信号处理的工程设计具有较高的参考价值。

严格的最小二乘递推算法在系统辨识与滤波中的应用

研究了严格的最小二乘递推（R2LS）算法在系统辨识与滤波中的应用。另一重要内容是给出了与R2LS算法相对应的充分激励（PE）系列及重要性质。且从关于多目标飞行轨迹的跟踪应用中可知，由于采用了状态矩阵这一新概念，使我们能用一规模很小的模型同时描述多个目标的运动，从而使计算量大为减小。

基于IGA-LSSVM的煤矿瓦斯涌出量预测模型研究

为有效提高煤矿瓦斯涌出量预测的准确性,进一步保障煤矿生产安全,提出经免疫遗传算法(IGA)优化的加权最小二乘支持向量机(LS-SVM),并用其建立煤矿瓦斯涌出量预测模型。首先针对瓦斯涌出量系统非线性、时变性、复杂性等特点,提出一种新的加权策略函数来改进LS-SVM。然后引入IGA,对改进的LS-SVM进行核参数δ和正则化参数γ寻优。最后,利用煤矿历史瓦斯涌出数据进行试验分析。结果表明,利用该模型预测的最大相对误差为2.763%,最小相对误差为0.705%,平均相对误差为1.329 8%,该模型较其他预测模型具有更快的收敛速度,更强的泛化能力和更高的预测精度。