基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursiveleast square)算法对AR模型参数进行自适应估计。该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度。利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度。

一种新型径向基函数神经网络学习算法——递归正交最小二乘法(ROLS)

径向基函数神经网络在很多领域都得到了成功的应用。但迄今为止仍没有一种有效的方法来确定隐层中心数目。笔者将递归正交最小二乘 (ROLS)方法引入RBFNN建模训练 ,利用ROLS算法训练网络后所得的有用信息 ,采用后向选择算法 ,逐步去掉那些使网络残差增加最小的中心 ,在得到网络有效中心的同时 ,还满足了精度要求 ,从而大大简化了RBF网络结构 ,节约了大量的存储空间以及计算量。

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中的应用

在噪声主动控制系统中,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。基于此,提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。

基于递归最小二乘的微波对射雷达信号处理算法

微波对射雷达被用在安全防护领域的雷达系统,可形成电子栅栏,这种雷达系统容易受雨、雪等天气因素的干扰,出现虚警。针对这个现象,文章提出了采用中值均值法和递归最小二乘算法对雷达回波的强度进行估计的微波对射雷达信号处理算法,同时提出了目标持续时间、最大相对幅度变化比例、接收能量损失三个判决统计量和相应的判决方法。经验证,采用该算法的微波对射雷达在降水过程中检测到入侵者的同时未引起虚警。

递归最小二乘格型滤波联合估计过程性能分析

联合估计过程有2种模式,分为总体误差更新及阶误差递归更新方式。经过格型结构滤波后,提取其中产生的后向预测误差序列作为联合估计的输入信号。通过对系统辨识问题的仿真分析,得出以下结论:如果不需要严格关注滤波模型本身噪声所带来的测量误差,从实用性的角度考虑,在总体误差更新模型中采用递归最小二乘格型联合估计处理方式(RLSLJE)性能较好,其收敛效果较为理想。

二维实值离散Gabor变换时间递归算法的双层并行格型结构实现方法

本文首先简单回顾了作者曾提出的二维实值离散Gabor变换及其与复值离散Gabor变换的简单关系,然后着重探讨了二维实值离散Gabor变换快速计算问题,提出了二维实值离散Gabor变换系数求解的时间递归算法以及由变换系数重构原图像的块时间递归算法,研究了双层并行格型结构实现两算法的方法,计算复杂性分析及与其它算法的比较证明了双层并行格型结构实现方法在实时处理方面的优越性。

自适应最小二乘格型算法在天线阵列中的应用

在天线阵列中对天线阵列信号分析的算法有LMS和RLS等,主要介绍了自适应最小二乘格型算法LSL对天线信号进行分析,并对算法过程展开介绍。

利用格型递归最小二乘滤波器组的高光谱图像压缩

自适应递归最小二乘滤波器具有预测准确、收敛速度快的特点,该滤波器被多种高光谱图像无损压缩方案作为重要组成部分。然而传统递归最小二乘滤波器无法快速找到每个谱带的最优预测长度,其压缩方案的性能有待提升。针对该问题,本文提出基于格型递归最小二乘滤波器组的高光谱图像压缩方案。首先,该方案使用单边高斯预测器对待测像素点做谱带内预测,去除图像的空间相关性。其次,采用格型滤波器组筛选出每个谱带的最优滤波器,获得预测误差。并根据格型滤波器组链式序列更新的特点,简化最优滤波器的筛选过程,大幅度降低计算复杂度。最后对预测误差做算术编码。以AVIRIS 2006高光谱图像为测试数据集,本文算法对16位校准图像、16位未校准图像的平均压缩结果分别为3.34 bits/pixel和5.61 bits/pixel。该算法在获得良好压缩结果的情况下,计算时间低于同类别的其余算法。

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。

偏最小二乘相关算法在系统建模中的两类典型应用

讨论了偏最小二乘回归(PLSR)的相关算法对两类典型实际系统建模的有效应用。分析了传统的偏最小二乘回归批处理算法及由此产生的一种简化算法的基本原理和技术特点。在此基础上,对原有的递推算法进行了一定程度的改进,直接采用自变量主元t的回归系数矩阵P和R来取代旧的数据信息,从而进一步简化了计算过程。针对上述两种算法的特点,分别对无人机费用模型(少样本,多变量)和切削力峰值模型(多样本,少变量)参数进行了估计计算,说明了各自算法的应用优势。

基于改进ELM的递归最小二乘时序差分强化学习算法及其应用

针对值函数逼近算法对精度及计算时间等要求,提出了一种基于改进极限学习机的递归最小二乘时序差分强化学习算法。首先,将递推方法引入到最小二乘时序差分强化学习算法中消去最小二乘中的矩阵求逆过程,形成递推最小二乘时序差分强化学习算法,减少算法的复杂度及其计算量。其次,考虑到LSTD(0)算法收敛速度慢,加入资格迹增加样本利用率提高收敛速度的算法,形成LSTD(λ)算法,以保证在经历过相同数量的轨迹后能收敛于真实值。同时,考虑到大部分强化学习问题的值函数是单调的,而传统ELM方法通常运用具有双侧抑制特性的Sigmoid激活函数,增大了计算成本,提出采用具有单侧抑制特性的Softplus激活函数代替传统Sigmoid函数,以减少计算量提高运算速度,使得该算法在提高精度的同时提高了计算速度。通过与传统基于径向基函数的最小二乘强化学习算法和基于极限学习机的最小二乘TD算法在广义Hop-world问题的对比实验,比较结果证明了所提出算法在满足精度的条件下有效提高了计算速度,甚至某些条件下精度比其他两种算法更高。

基于累积量的递归最小二乘算法研究

从基于累积量的均方误差（ＣＭＳＥ）准则，本文推导了一种基于累积量的递归最小（ＣＲＬＳ）算法。并从信号检验和估计的角度对三阶ＣＲＬＳ算法中出现的加权求和系数给出的一种物理解释，以说明其抗高斯噪声的机理。本文提出应根据三种不同条件下信号的最优估计来确定最佳窗口函数的原则。

实值离散Gabor变换块时间递归算法的并行格型结构实现方法

Gabor变换在很多领域被认为是非常有用的方法 ,如语音与图像处理 ,雷达、声纳、振动信号的处理与理解等 ,然而实时应用却因其很高的计算复杂性而受到限制 .为了减小计算复杂性 ,我们曾提出了实值离散Gabor变换法 .本文首先简单回顾了作者曾提出的实值离散Gabor变换及其与复值离散Gabor变换的关系 ,然后为了有效地和快速地计算实值离散Gabor变换 ,提出了在临界抽样条件下和在过抽样条件下 ,一维实值离散Gabor变换系数求解的块时间递归算法以及由变换系数重建原信号的块时间递归算法 ,研究了两算法使用并行格型结构的实现方法 ,并讨论和比较了算法的计算复杂性和优越性 .

广义二型模糊系统的自组织规则生成方法

针对广义二型模糊系统在复杂情况中因缺乏专家经验而难以构建合适模糊规则的问题,提出了一种基于输入数据的激活强度来生成广义二型模糊集以及模糊规则的方法。通过数据驱动自组织构建广义二型模糊系统模糊规则,并且使用迭代最小二乘法和梯度下降法优化系统前后件参数。最后,分别在无扰动和施加噪声情况下进行了非线性系统的跟踪仿真,实验结果证明了自组织规则生成的广义二型模糊系统的有效性,并能够以较高精度跟踪参考轨迹。

ARMA模型的最小二乘格型迭代递推辨识法

本文介绍了ARMA模型的格型迭代法,并以在格型算法中具有最快收敛速率的最小二乘格型算法为基础获得了 ARMA模型最小二乘格型迭代递推辨识法。针对此算法最小二乘格型迭代递推辩识法计算机模拟辨识表明,该方法具有较好的辨识性能,且有一定的抗噪能力。

基于递推最小二乘算法的模糊系统在车削工件直径误差预测中的应用

根据车削过程中工件直径误差的特点,采用基于递推最小二乘算法的模糊系统,预测车削过程中由弹性变形等因素引起的工件直径误差,通过递推最小二乘算法训练Mamdani型模糊系统,以确定合理的系统参数。根据工件直径误差与切削深度、进给量等的关系,设计车削实验,得到训练数据和测试数据,用训练数据训练模糊系统,进而用测试数据测试,误差较小,从而验证在一定的工件结构和工况条件下,用基于递推最小二乘算法的Mamdani型模糊系统进行车削工件直径误差预测的可行性。与回归分析进行比较,结果显示在一定的工件结构和工况条件下,基于递推最小二乘算法的Mamdani型模糊系统对于预测车削工件直径误差有比较明显的效果。

Loewner型方程组极小范数最小二乘解的快速算法

通过构造特殊分块矩阵及其三角分解给出了求秩为n的m×n阶Loewner型矩阵为系数阵的线性方程组极小范数最小二乘解的快速算法,该算法的计算复杂度为O(mn)+O(n2),而一般方法的计算复杂度为O(mn2)+O(n3).

Cauchy型方程组极小范数最小二乘解的快速算法

对于秩为n的m×n阶Cauchy型矩阵C,通过构造特殊分块矩阵并研究其三角分解,进而得到了线性方程组C x=b的极小范数最小二乘解的快速算法,所需运算量为O(m n)+O(n2),而通常构造法方程组的方法所需运算量为O(m n2)+O(n3),用正交化法虽然避免了构造法方程组,但所需的运算量更大些.

异步CDMA系统中基于预处理递归最小二乘恒模算法的盲自适应接收

该文提出一种基于预处理递归最小二乘恒模算法(PP-RLSCMA)的多径异步CDMA系统盲自适应接收技术。首先对接收信号进行自适应预处理,并分析了预处理器的复杂性和稳定性。预处理的目的是通过对干扰和噪声的部分抑制以提高恒模接收的性能,所提出的预处理方法只与多径信道的最大长度有关。鉴于统计恒模算法收敛速度慢的缺点,提出一种快速递归最小二乘恒模算法的盲自适应接收。仿真表明,该文算法的误码率及收敛性能比LCMMV,LCCMA好。

Loewner型方程组极小范数最小二乘解的快速算法

通过构造特殊分块矩阵并研究其三角分解,给出求以秩为n的m×nLoewner型矩阵为系数阵的线性方程组极小范数最小二乘解的快速算法,该算法的计算复杂度为O(mn)+O(n2),而一般方法的计算复杂度为O(mn2)+O(n3).