基于非线性高斯-赫尔默特模型的混合整体最小二乘估计

针对EIV模型的系数矩阵同时包含固定量和随机量的情况,通过将系数矩阵中的随机量提取出来纳入平差的随机模型,从而将EIV模型表示为非线性高斯-赫尔默特(Gauss-Herlmert,GH)模型形式,推导了混合LS-TLS(least squares-total least squares,LS-TLS)算法及其精度估计公式。算法适用于系数矩阵包含固定列、固定元素和随机元素的一般情况。模拟实例结果表明,混合LS-TLS算法与已有能够解决系数矩阵同时含固定量和随机量的结构性或加权TLS算法的估计结果一致;混合LS-TLS的估计结果统计上要优于LS或TLS估计结果。

基于混合整体最小二乘法的系统谐波阻抗估计

系统谐波阻抗的求取是谐波发射水平评估、谐波责任划分以及谐波治理装置设计的重要前提。本文针对最小二乘线性回归的谐波阻抗算法,分析了其误差产生机理及影响因素等不足;进而在整体最小二乘线性回归方法的基础上,综合考虑电压、电流两方面的测量误差,对系数矩阵进行了优化,并提出了一种估算结果更精确的基于混合整体最小二乘的系统谐波阻抗计算方法;最后,基于PSCAD搭建了IEEE14节点仿真模型,并对比了传统方法与本文方法的结果,验证了所提出方法的有效性和准确性。

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。

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。

基于整体最小二乘的联合信道估计及OFDM信号检测算法

针对现有的联合信道估计及OFDM信号检测算法性能不高的问题,该文提出一种基于整体最小二乘的联合信道估计及OFDM信号检测算法。该算法首先通过导频估计初始的信道信息,在此基础上不断地采用整体最小二乘进行OFDM信号检测及信道估计,有效缓解迭代模型误差的影响,加快了算法迭代的收敛速度,提高了信道估计的精度,从而降低了OFDM系统的误码率。该文推导的信道估计克拉美罗界及仿真结果均表明所提出的算法在时变信道环境下优于现有的联合信道估计及OFDM信号检测算法。

混合结构总体最小二乘参数估计

为解决当系数矩阵由常数列和非常数列组成,非常数列含有重复元素时传统混合总体最小二乘估计理论不够严密的问题,提出混合结构总体最小二乘参数平差模型,根据非线性最小二乘平差理论推导了混合结构总体最小二乘参数平差的迭代计算公式,并分别模拟计算了观测向量元素所受误差干扰量等于、大于和小于非常数列中非重复元素误差干扰量三种情况。实验结果表明:混合结构总最小二乘法不仅能够同时估计出系数矩阵常数列和非常数列所对应的参数值,而且能够对常数元素赋予零改正值,不同位置的同一元素赋予相同的改正值,单位权中误差估计值更接近模拟值;在系数矩阵非常数列中非重复元素所受误差干扰量大于观测矢量所受误差干扰量时,混合结构总体最小二乘参数平差法的参数和单位权中误差估计结果明显更接近于真实值。

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法，给出一种整体最小二乘参数估计的递推算法，并利用已获得的并行实现方法进行并行实现，最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。

回归系数的混合估计与最小二乘估计的一个新的相对效率

本文对具有附加信息的线性回归模型中的混合估计与最小二乘估计给出了一种新的相对效率,研究了新的相对效率与其它几种相对效率的关系,得出了新的相对效率的上、下界.

回归系数的混合估计与最小二乘估计的相对效率

本文讨论线性回归模型中 ,回归系数的混合估计与最小二乘估计的相对效率问题 ,研究了两种不同相对效率的上。

回归系数的混合估计与最小二乘估计的两种相对效率

本文研究了线性回归模型中,回归系数的混合估计与最小二乘估计的相对效率,利用矩阵的相关性质和运算,导出了两者之间两种新的相对效率的上下界.

基于验后方差估计的稳健整体最小二乘方法

根据整体最小二乘的验后方差估计,求出观测值的验后方差,通过方差检验可找出方差异常大的观测值。然后根据经典权与观测值方差成反比的定义赋予它一个相应小的权进行下一步迭代平差,逐步实现粗差定位。通过坐标转换实验,利用一般最小二乘法(LS)、加权整体最小二乘法(WTLS)以及文中提出的稳健整体最小二乘法(RTLS)分别对待估参数进行求解对比,解算结果表明文中提出的方法能对粗差进行有效的定位,且估计量受粗差影响较小,具有稳健性,估算效果优于其它两种方法。

线性模型中混合估计与最小二乘估计的新相对效率

文章讨论了当线性模型有一定的附加信息时,回归系数的混合估计与最小二乘估计的相对效率问题;在误差矩阵为正定矩阵时,给出了一种新的相对效率,并导出了它的上界。

多元响应回归模型及其参数的非线性最小二乘估计混合算法

针对多元响应数据的特点,建立了一个多元响应回归模型,对参数的非线性最小二乘估计进行了探讨。结合拟牛顿法和信赖域算法建立了一个非线性优化的混合迭代算法,该算法在一定条件下具有全局收敛性和超线性收敛性,对参数的非线性最小二乘估计是有效的。

线性模型中φ-混合误差下回归系数最小二乘估计的相合性

本文研究线性模型中φ-混合误差序列下回归系数最小二乘估计的相合性,分别对最小二乘估计为强相合和r阶平均相合给出一些充分条件。

混合型正态分布的抗差最小二乘估计

利用等价权原理,讨论混合型正态分布模式下,数据的方差、未知参数的抗差最小二乘估计以及它们的Fisher一致性问题.

混合整数线性模型参数最小二乘估计的弱相合性

在GPS和测绘等领域中,混合整数线性模型是非常重要的一种模型。本文在混合整数线性模型参数的最小二乘估计的基础上,证明了该估计量的弱相合性。Monte Carlo模拟验证表明,各参数估计的相合效果明显。

非线性最小二乘估计的蚁群单纯形混合算法

基于对单纯形算法和蚁群算法的分析,提出了非线性最小二乘估计的蚁群单纯形混合算法,并用实例证实了该算法既具有单纯形算法收敛较快的优点,又能以较大概率得到全局最优。

回归系数的混合估计和最小二乘估计的相对效率

本文讨论了在具有附加信息的线性回归模型中,回归系数的混合估计和最小二乘估计的相对效率问题,在误差矩阵为正定的数量矩阵时,定义了一种新的相对效率.

混合线性模型最小二乘估计的模拟分析

本文首先用最小二乘估计的方法构造混合线性模型参数的估计量,在一定的假设条件下,进行数值模拟,以说明所构造的估计量的有效性。并给出一个实际算例来体现混合线性模型在实际当中的重要应用。