低延迟有限冲击响应滤波器约束最小二乘设计

针对具有低群延迟的非线性相位有限冲击响应滤波器的设计问题,采用在极小化复数误差能量的同时对复数误差和相位误差进行约束的方法,既可以得到凸的约束区域,又可以对幅值误差和相位误差进行独立控制.将具有给定相位误差的低通滤波器的最小二乘设计方法扩展到高通和带通滤波器的设计,引入左边和双边S形相位误差上界约束函数对高通和带通滤波器的相位误差进行约束,来抑制带边附近群延迟误差大的效应.应用改进的Goldfarb-Idnani算法求解由复数误差和相位误差约束最小二乘设计问题产生的半无穷正定二次规划.设计例子表明,该设计方法对减小滤波器的群延迟误差非常有效.

基于最小二乘法模拟听力损失曲线滤波器设计

为了在助听器客观评价时综合考虑佩戴者的不同程度听力损失,提出了一种听力图的模拟方法。该方法首先通过听力图计算各个频率点的幅度衰减;然后以此为依据,采用最小二乘法设计有限冲激响应滤波器,来模拟典型的听力图,使语音通过该滤波器后达到与听力图显示的患者听力损失相同的衰减效果,从而实现对听力损失的模拟。最后,通过一组实验表明:该滤波器对输入信号的频域衰减效果确实同典型的听力图一样。可见该滤波器有望加入助听器的测量评价体系,以提高评价准确性。

基于改进的递归最小二乘法的滤波器研究

分析了基于递归最小二乘法(recursive least-squares,RLS)的自适应滤波算法,并针对非平稳环境下RLS算法跟踪能力差,导致误差大的问题,通过调节RLS算法中的指数加权因子λ,叠加一个自适应记忆,优化其跟踪性能。理论分析和计算机仿真均表明,带有自适应记忆的RLS算法具有较快的自适应跟踪能力和较好的稳态性能,优于其他算法。

渐消记忆的最小二乘法在参数辩识中的应用

采用渐消记忆最小二乘法研究了捕食模型中的参数辨识问题,通过仿真对比,效果比较理想,给出了辨识出的参数的系统的仿真对比图,并且对捕食模型进行了稳定性分析.

基于构造滤波的VTI介质平面波最小二乘FFD叠前深度偏移

中国中东部地区沉积地层广泛发育,地下介质中地震波传播速度不仅与空间位置有关,还受传播方向影响,研发适用于各向异性介质的成像方法有利于提高反演成像精度。通过将VTI介质高阶傅里叶有限差分波场延拓算子纳入反演成像体系,本文实现了基于VTI介质的最小二乘FFD叠前深度偏移。针对该方法计算量大、相干成像噪声明显的不足,进行了优化:采用引入平面波编码策略,压缩地震数据,显著提高计算效率;迭代过程中提取CIG道集,在该道集上应用平面波构造滤波算子压制相干成像噪声,提高成像信噪比。基于各向异性Marmousi 2模型的数值测试结果表明,本文的优化偏移成像方法取得三点改进:(1)适用于复杂强横向变速VTI介质;(2)成像信噪比提高,效率更高;(3)克服了单程波类算法近地表成像精度低的缺陷。

基于卡尔曼滤波和递推最小二乘在部分观测信息下的参数识别法

有限观测信息下的参数识别是结构健康监测领域内的一个热点问题,传统的卡尔曼滤波(KalmanFilter,KF)不能识别结构参数,递推最小二乘法(RecursiveLeastSquareEstimation,RLSE)可用于参数识别,但需已知结构全部响应,为此提出一种基于KF和RLSE的参数联合识别法,该方法首先利用部分自由度上的加速度响应观测值,通过KF估计下一步的系统响应信息,包括速度和位移响应;然后,基于该响应估计信息和当前步的结构参数估计值,根据运动平衡方程,获得下一步的加速度响应估计值;最后,利用已观测的有限加速度响应,获得改进的加速度响应向量,进而基于RLSE获得下一步的结构参数识别值。简支梁数值算例结果表明,该方法能准确识别结构参数,同时能实现系统响应的有效估计。

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.

改进最小二乘递推算法的洪水预报应用研究

建立线性自回归模型,应用于洪水实时预报,并应用AIC、BIC这两种准则以确定自回归模型的阶数。最小二乘递推算法是估计自回归参数的一种常见方法。最小二乘法估算出的模型参数在预报误差平方和最小的条件下是最优解。研究中,为了强化时变系统的辩识以提高洪水预报精度,对数据采取衰减记忆、有限记忆及时变衰减记忆的方式,对基本的最小二乘递推算法提出了三种改进形式,并利用这几种改进算法进行了洪水演算,最后对几种算法的演算结果进行了比较。

最小二乘法在纯方位目标跟踪中的应用

从实际的工程应用入手,研究了被动纯方位目标跟踪中方位轨迹滤波算法。分析了目标方位变化情况,建立方位变化模型,采用限定记忆最小二乘法对方位轨迹进行滤波。仿真结果表明,该算法能够降低方位测量误差,是一种较好的工程实用算法。

一种新的线性最优滤波器的设计与研究

针对一类未知机动目标设计了一种线性最优滤波器。该滤波器采用有限记忆模型作为滤波模型,模型参数用动态最小二乘方法辨识得到。由此得到的滤波器称为基于辨识有限记忆模型的线性最优滤波器。有限记忆模型克服了时间多项式模型(如CV模型、CA模型、Singer模型等)对目标物理特性的依赖性,它从目标运动轨迹入手对目标运动特性进行描述,更适合于战场未知目标的跟踪滤波。通过原理分析和Monte Carlo仿真实验验证了该滤波方法的有效性,并且和Kalman滤波方法进行了比较。

可变分数延时FIR滤波器的WLS优化设计

采用参数离散化的谱参数法设计可变数字滤波器,存在算法运算量和精度之间的两难选择。为此提出一种连续参数可变分数延时FIR滤波器的设计方法,并给出滤波器系数加权最小二乘最优闭合解。首先采用变量分离的加权函数简化设计过程,然后利用矩阵及矩阵运算的多种性质来简化算法,最后采用矩阵三角分解解决矩阵求逆问题。理论分析与实验结果表明本算法具有稳定性高,复杂度低的特点,算法所设计的数字滤波器可用于高精度的动态时间补偿。

船舶导航雷达临近空间低动态目标跟踪方法

为了保障海域船舶航行安全,提出船舶导航雷达临近空间低动态目标跟踪方法。利用船舶导航雷达探测临近空间低动态目标,获取量测点迹数据,分析低动态飞行器运动对其量测值的影响,根据最小二乘滤波原理,设计基于衰减记忆的最小二乘滤波器,将量测点迹数据转换到雷达直角坐标系上,根据衰减记忆选择量测点迹数据,将其作为基于衰减记忆的最小二乘滤波器的输入数据,确定低动态目标跟踪轨迹坐标,再将其转换到雷达极坐标系上,实现临近空间低动态目标跟踪。实验结果表明,该方法可实现匀速、匀加速运动下临近空间低动态目标跟踪,跟踪轨迹与实际航迹基本重合,其在X、Y、Z方向上的距离均方根误差远低于量测数据均方根误差。

基于EGWO-LSTM-LSM算法的TOF定位研究

针对最小二乘法(Least Squares Method,LSM)对于超宽带(Ultra Wide Band,UWB)中飞行时间(Time of Flight,TOF)法在非视距(Non Line of Sight,NLoS)下定位精度低下的问题,提出了基于扩展灰狼算法(Extended Gray Wolf Algorithm,EGWO)优化后的长短期记忆(Long Short-Term Memory,LSTM)网络改进LSM定位算法(EGWO-LSTM-LSM)。采用LSTM及改进的EGWO建立最优测距误差预测模型,根据预测结果构造权重矩阵,在LSM上加权计算,并添加测距误差校正项,以改进LSM实现静态定位,并结合卡尔曼滤波器(Kalman Filter,KF)实现动态定位追踪。仿真结果表明,EGWO-LSTM预测准确率达98.857%,EGWO-LSTM-LSM将二维和三维位置误差分别稳定控制在10~25 mm,进一步提升了TOF定位精度。

多通带低群延迟误差FIR滤波器设计的迭代算法

常数低群延迟有限冲击响应(FIR)滤波器在通信等领域得到了广泛应用,尤其是要求无波形失真、信号延迟小的场合。而低群延迟的FIR滤波器,其相位响应只能做到近似线性相位,其群延迟只能做到近似常数。为了减小与期望常数群延迟之间的误差,最近提出的通过迭代更新相位误差上界函数来逐步减小群延迟误差的方法,只考虑了单通带滤波器的minimax设计。本文将把该方法推广至多通带FIR滤波器的minimax设计和约束最小二乘设计,先对各通带单独处理使每个通带的最大群延迟误差有效降低后,再考虑各通带之间平衡,对各子带的最大群延迟误差进行折中,进而使整个通带上的最大群延迟误差继续减小。对约束最小二乘设计还特别考虑了通过修改收敛参数来解决相位误差约束过紧时设计问题无解的问题。仿真实例表明,该方法能有效减小多通带滤波器的最大群延迟误差。

舰载光电设备跟踪掠海目标的控制

舰载光电设备跟踪低空掠海目标时会由于载体摇摆受海面杂波的影响而导致跟踪失败,本文将基于CA模型的有限记忆最小二乘滤波与"近似-比较"模型前馈控制相结合,提出了一种能够全自动跟踪低空掠海目标的控制算法。该算法首先根据CA模型的最小二乘法从惯性导航角度数据滤波出速度数据前馈到速度回路;然后,通过"近似-比较"模型判断是否捕获了海面杂波;如果捕获了海面杂波,随即切换跟踪方式从电视跟踪转为数引跟踪。对提出的算法进行了试验验证,结果表明,该算法再次捕获掠海目标时间为437ms,比人工干预的5.93s提高了一个数量级。该算法在实现了全自动捕获、跟踪的同时,缩短了由于视轴"扎海"跟踪失败后再次捕获掠海目标的时间。

AUV自主导航航位推算算法的分析研究

地球形状的不规则性,各种导航传感器本身的误差,以及仪器的安装偏差等,使得AUV(自治水下机器人)在进行远距离自主航行时,自主导航的精度大大下降。针对以上问题及实际工程需要,论文对AUV自主导航的航位推算算法做了进一步研究并加以改进,以提高其自主导航精度。最后,利用2004年中国科学院沈阳自动化所水下机器人研究中心进行AUV湖试所获得的数据,对文中提出的算法进行了验证。结果表明,AUV的自主导航精度得到大大提高,可以用于修正原来的自主导航算法。

西江下游实时洪水预报研究

为了提高洪水预报的精度,采用预报加校正的模式探讨了卡尔曼滤波算法与衰减记忆最小二乘法在西江下游洪水预报实时校正中的应用。结果表明:两种方法均能明显提高预报精度,但是综合比较而言,卡尔曼滤波方法取得的结果更优。

一种基于交互投影原理的快速自适应横向传播建模算法

针对最小均方建模算法用于长记忆有限脉冲响应滤波器模型时收敛速度慢的问题,提出了基于交互投影原理的横向传播建模算法(简称为TPLMS算法).该算法将滤波器按质因数分解为多组滤波器组合,从最短的子滤波器分组开始迭代,逐步过渡到原滤波器,在每一时刻,采用最小均方算法顺序求解分组内各子滤波器的权系数.在迭代过程中,由于滤波器的长度缩短,从而可采用更大的步长,使权系数以更快的速度收敛.随着子滤波器长度的逐步增加,可以逐步减小迭代步长,从而得到较低的失调误差.仿真结果表明,TPLMS算法的收敛速度优于传统的最小均方算法和变步长最小均方算法.该算法收敛速度快,特别适用于长记忆有限脉冲响应滤波器模型的自适应建模.

基于人工神经网络的水位预报多断面实时校正研究

基于人工神经网络建立河道水位预报多断面实时校正模型。模型选择BP神经网络与有限记忆最小二乘法相结合建立递推式网络训练学习模式,跟踪洪水预报的残差变化。通过淮河中游河道水位预报进行验证,结果表明,在2008年汛期洪水中实时校正后的水位误差减少0.14~0.46 m,验证效果较好,对实际生产预报有一定的解决意义。

气动参数在线辨识在火箭助推段制导中的应用

为减小气动参数扰动对火箭助推段的影响,提高制导精度,本文将火箭飞行过程中的气动参数扰动量视为摄动制导中的小扰动量,对传统摄动方程进行改进。采用扩展Kalman滤波方法对气动参数扰动量进行辨识,再利用限定记忆递推最小二乘法基于辨识结果进行预测,将预测结果用于下一阶段的摄动制导计算,构建了“辨识—预测—计算”迭代更新的在线辨识模型。本文设计的扩展Kalman滤波器辨识效果较好,收敛时间10 s左右,辨识精度10%以内。设计的结合气动参数在线辨识的摄动制导方案相对于传统方案,能有效降低终端状态偏差。Monte Carlo打靶结果表明改进摄动制导方案对偏差的鲁棒性增强,弹道收敛性更好。本文将气动参数在线辨识用于火箭助推段的摄动制导,降低了气动参数扰动对制导精度的影响,在一定程度上提高了摄动制导的性能,对工程实践具有参考作用。