基于最小方差估计的图像低秩去噪

自然图像通常表现出一定的自相似性,这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性.基于图像的这种低秩性和最小方差估计理论,提出一种有效的迭代去噪方法.该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题,并由最小方差估计理论导出低秩矩阵的估计值;在此基础上,对图像块的估计值进行加权平均即可重构出去噪后的图像;针对少量噪声残留问题,将去噪方法与反向投影方法相结合实现图像的迭代去噪,进一步抑制图像中残留的噪声.实验结果表明,采用文中方法产生的去噪图像不仅具有较高的峰值信噪比和特征相似度均值,而且具有很好的视觉效果.

轨道机动过程中推力加速度的实时最小方差估计(英文)

飞行器轨道机动过程中 ,为跟踪、定位机动目标和干预机动控制过程 ,需要统计处理离散的雷达观测量实时估计推进发动机的推力 ,进而确定飞行器的瞬时轨道参数。本文所述算法是该工程问题的探讨和解决方案。文章建立了轨道机动过程中连续变质量运动模型和离散雷达量测模型 ,推进发动机的质量秒耗量作为表征推力加速度的一个近似常量 ,应用扩展卡尔曼滤波对离散的雷达测量数据进行顺序统计处理给出秒耗量的最小方差估计 ;文章详细地推导了线性化量测模型的变分方程和观测矩阵 ;仿真结果表明该算法能快速。

线性模型中Bayes线性无偏最小方差估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(Bayes linear unbiasedminimum variance estimator,BLUMV)估计相对于最小二乘(least square,LS)估计的优良性,并讨论了3种不同相对效率的界.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.

基于无偏最小方差估计算法的分布式CFAR检测

为了提高分布式CFAR检测的性能,文中研究采用无偏最小方差估计(UMVE)CFAR作为局部检测器的分布式CFAR系统。文中推导出采用"与"融合和"或"融合准则时分布式UMVE-CFAR的目标函数和参数优化方程。并将其与CA,OS等经典分布式CFAR检测进行了性能比较,结果表明,分布式UMVE在均匀背景和多目标环境下具有比分布式OS更好的性能,在杂波边缘环境中的性能则稍逊于分布式OS-CFAR。

基于模糊最小方差估计的超视距雷达多模式融合跟踪算法

天波超视距雷达(OTHR)是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。本文借鉴多传感器数据融合的思想,提出了一种新的超视距雷达跟踪算法,将多路径信息看作是多传感器提供的量测信息,利用模糊最小方差估计的方法对多路径信息进行同步融合。仿真结果表明,当在杂波环境中,跟踪一个存在四种可能非线性量测的非机动目标时,本文提出的基于模糊最小方差估计的多模式融合跟踪算法(FLCE-MFT)与多径概率数据互联算法(MPDA)相比,在距离维的精度具有很大改善,且耗时大大缩短,具有更好的跟踪性能。

线性最小方差估计用于SAR干涉图大气延迟改正

将线性最小方差估计(linear minimum mean square error,LMMSE)引入SAR干涉图大气延迟改正,并用模拟实验比较了地势平坦地区LMMSE与以往常用于SAR干涉图大气延迟改正的距离权倒数法(inverse distance weighted averaging,IDWA)和普通克里格算法(ordinary Kriging,KRG)的插值效果。同时,还比较了地势起伏较大地区,考虑了高差因素的LMMSE和KRG算法、未考虑高差因素的LMMSE、KRG算法以及IDWA的插值效果。研究结果表明,对于地势平坦地区,在各种精度情况下,当已知点呈随机分布时,点数越少,LMMSE的插值效果的优势越明显;对于地势起伏较大地区,考虑了高差因素的LMMSE的插值效果最佳。

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.

线性最小方差估计的递推算法研究

讨论了在线性观测条件下,矢量形式的线性最小方差估计的递推算法,给出了程序框图及相应的仿真实例。该方法与其他估计或滤波方法相比,具有算法简单、易于实现的优点。

一类不可观测ARMA过程参数的最小方差估计的强相容性

本文讨论一类不可观测ＡＲＭＡ过程｛ｕ１｝参数的估计，基于Ｎ个可观测的样本值ｘ１，ｘ２，……，ｘＮ，其中ｘｔ＝ｕｔ＋δｔ，１≤ｔ≤Ｎ，假设｛δｔ｝满足另一个ＡＲＭＡ方程，我们给出参数的最小方差估计量，并证明了这些估计量的强相容性。

基于稀疏约束的最小方差无偏自适应荷载估计

提出了一种基于稀疏约束的最小方差无偏自适应荷载估计算法,该算法是对传统的最小方差无偏估计算法的改进。利用大部分结构荷载在空间稀疏的特点,通过PM(pseudo-measurement)技术对荷载向量施加了一个稀疏约束,最终无约束的最小二乘估计转换为了基于l 1范数的稀疏约束,在这样的改进下,传统算法在加速度观测下的荷载漂移问题被有效地解决,同时提高了算法荷载估计的鲁棒性。此外,对于噪声估计传统做法都是通过经验进行手动设置,在工程应用中极大不便。基于此,引入了自适应估计算法,实现了测量噪声协方差自适应估计。最后,通过1个10自由度弹簧阻尼系统和一个3层框架试验结构验证了算法的有效性。

基于矢量观测的最小方差姿态估计算法(英文)

提出了适用于航天飞行器单点实时姿态估计的间接姿态估计算法(IRQE)。该算法在精度上与目前使用的算法(QUEST)相同,而计算速度更快,并且没有奇异。通过协方差分析证明:在给定权系数和测量误差为零均值高斯噪声假设下,IRQE算法得到的姿态估计既是最小方差估计,又是极大似然估计;同时,其方差达到了Cram er-Rao下界,这意味着其精度在所有无偏估计中最佳。

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criteri-on)准则下研究了BLUMV估计相对于OWLS估计的优良性。

一种改进的最小方差自适应时延估计算法在碰摩声发射定位中的应用

针对转子碰摩声发射信号在传播过程中因衰减和噪声影响而难以定位的问题,引入最小方差自适应时延估计(LMSTDE)算法.对传统的LMSTDE算法进行了改进,提出了将衰减系数与时间延迟同步迭代估计的LMSTDE算法.该算法增加了一个衰减系数估计器,利用估计值与参考值的误差将时延与衰减系数同时进行迭代估计.为了加快算法的收敛速度,对该算法还进行了变步长处理,提出了当估计值与参考值的误差较大时利用误差的梯度来调整步长,当误差较小时引入遗忘因子对误差信号进行加权从而确定新步长的方法.理论分析及实验结果表明,改进的LMSTDE算法能够收敛到真实值处,与传统LMSTDE算法相比,能显著提高算法在低信噪比时的性能,具有更快的收敛速度.

改进的宽带指向最小方差空间谱估计算法

宽带测向一直是阵列信号处理领域研究的难点。把指向最小方差宽带测向算法(STMV)应用到均匀线阵上,通过对阵列频域采样数据的空间协方差矩阵的估计和加权平均处理,给出了空间谱估计子的改进形式。与通常的信号子空间宽带测向算法相比,提出的算法不需要对波达方向进行预估计,因此避免了预估计误差对最终估计结果的影响。理论分析和仿真实验证明了测向算法的有效性。

基于线性最小均方差估计的星敏感器故障诊断

针对使用两个星敏感器进行姿态测量的三轴稳定控制系统,利用星敏感器输出值与陀螺输出值的解析冗余关系,通过设计两个滤波器实现对不同星敏感器的故障隔离.考虑到陀螺测量噪声以乘性噪声的形式出现在姿态运动学方程中,利用陀螺输出测量值和目标星敏感器的测量值,采用线性最小均方差估计器得到包含目标星敏感器故障信息的残差;以无故障情况下残差的统计方差为基础得到阈值,通过检验残差评价值是否超过相应的阈值,实现对目标星敏感器故障的检测;分别将两个星敏感器作为目标星敏感器,综合两个故障检测结果隔离故障.对星敏感器出现测量偏差和精度逐渐下降两种故障的仿真验证了该方法的有效性.

基于最小均方差估计的非线性IEM模型

本文根据统计学中的最小均方差估计理论推导出非线性的ＩＥＭ（ＮＬＩＥＭ）模型公式，并综合实验数据确定了模型系数．这个模型考虑了标量场大尺度运动非均匀性，Ｒｅ数以及Ｓｃ数对混合速率的影响．最后分别利用ＮＬＩＥＭ和ＩＥＭ模型对Ｈ２／空气湍流射流扩散火焰进行了计算，与实验结果的比较表明新模型有较大的优越性．

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题,给出了未知参数的一个估计类,证明了该估计类中估计的相合性和渐近正态性,并且获得了该估计类中的最小渐近方差估计,并通过数值模拟比较了估计类中各种估计方法的优劣.

最小方差谱估计算法的改进及应用

最小方差谱估计方法(MVM)是声纳信号波达方向估计中一种十分重要的方法,然而工程实际应用中在小快拍数和低信噪比的场合最小方差谱估计方法的估计性能会受到很大影响。提出的基于时空相关信号协方差矩阵的最小方差谱估计算法(MVMBased on Time-Space Correlation Matrix)利用噪声在空间和时间上的相关性比较弱的特点大大改善了MVM在小快拍数和低信噪比场合的估计性能。基于时空相关信号协方差矩阵的最小方差谱估计算法应用到浅水高分辨率测深侧扫声纳的波达方向估计中,取得了比原始信号协方差矩阵的最小方差谱估计算法更好的效果。算法中的时空相关信号协方差矩阵构成方法在波达方向估计中有广泛的应用价值。

最小范数二次无偏估计与最小方差二次无偏估计的关系

本文给出了当V0 ≥ 0时 ,c′σ2 在混合模型M =( y ,Xβ ,Uξ,σ20 V0 )下的最小范数二次无偏估计的表达式及其证明 ;得到了当 y服从正态分布时 ,c′σ2 的最小范数二次无偏估计与其最小方差二次无偏估计之间的关系。