基于混合遗传算法的唯相位直接数据域算法

提出一种基于混合遗传算法的唯相位直接数据域最小二乘算法。通过采用标准遗传算法与Nelder-Mead单纯形法相结合的混合遗传算法,提高了优化效率和运算速度。首先根据标准直接数据域算法推导得出目标函数,继而将目标函数作为适应度函数,将所有自适应权值的未知相位作为决策变量,通过混合遗传算法进行非线性优化,从而求得各个自适应权值的优化解。作为一种唯相位自适应算法,它在硬件实现上比传统算法更具简单性。同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理。仿真结果表明,算法具有良好的信号恢复和干扰置零性能,比基于非线性共轭梯度法的唯相位直接数据域算法性能更优。

基于非线性共轭梯度法的唯相直接数据域算法

提出一种基于非线性共轭梯度法的唯相直接数据域最小二乘算法。根据标准直接数据域算法得到代价函数,由小相位扰动效应和泰勒展式推导得到代价函数的梯度,使用非线性共轭梯度法对代价函数进行优化,最终确定最优唯相权值向量。作为一种唯相自适应算法,它在硬件实现上比传统算法更具简单性。同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理。仿真结果表明,算法具有良好的信号恢复和干扰置零性能。

曲线数据压缩的总体最小二乘算法

在曲线数据压缩的Ramer-Douglas-Peucker(RDP)算法中,只有那些垂距大于限差的点得以保留,而原始曲线上所有其他点则会被删除,这就使得压缩后的数据在保留点和删除点处精度不一致.通过采用总体最小二乘法对原始数据进行分段拟合,提高了压缩数据的精度.实验结果表明,与RDP算法相比,该算法可以更好地逼近原始数据,特别是当给定限差较大时,相对RDP算法的精度改善更为明显.

基于偏最小二乘算法的高维谱数据特征选择

基于高维谱数据全部谱变量建立的软测量模型不但存在模型学习速度慢、泛化性和可解释性差等问题,并且难以揭示软测量模型所蕴含的物理含义和进行合理的物理解释等问题。对高维谱数据进行变量选择,降低输入变量维数一直是特征选择领域的热点问题之一。针对这些问题,提出了一种基于偏最小二乘(PLS)算法的高维谱数据特征选择方法。该方法首先分析了基于偏最小二乘算法的潜变量特征提取方法,然后,采用PLS算法分析了原始未标定谱数据的不同谱变量的灵敏度,计算从谱数据提取的不同潜在变量系数的平方和,最后结合球域准则和软测量模型精度基于优化求解的思路进行谱变量选择,进而实现高维谱数据特征的全局优化选择。采用近红外谱数据验证了所提方法的有效性。

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法。为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰。针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法。相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理。

基于直接数据域方法的自适应多波束形成算法

提出一种基于直接数据域最小二乘方法的自适应多波束形成算法,包括前向计算、后向计算和前-后向计算。利用天线阵元输出复电压的单快拍数据构建矩阵方程,采用共轭梯度法求解得到阵列的自适应权值向量,从而在所有期望信号方向形成接收波束,同时在各干扰方向形成深零陷,使信干噪比显著提高。由于只需对单快拍数据进行处理,并且避免了样本协方差矩阵的构造及矩阵求逆运算,故计算复杂度较传统算法低。仿真结果表明,算法具有良好的期望信号恢复和干扰置零性能。因此,可适用于卫星通信和移动通信等领域的实时性处理。

任意阵型直接数据域算法

提出了一种适用于任意阵形的直接数据域算法,解决了直接数据域算法在声纳、雷达的非均匀阵列上难以适用的问题。任意阵形直接数据域算法基于单快拍数据,利用不同阵形相邻阵元间可变的相位差进行运算,构造数据矩阵,并加以适当约束,解算出降维后阵列权值,用于波束形成。仿真计算表明:任意阵形直接数据域算法与原直接数据域算法在均匀线阵条件下性能是等同的,而在非均匀阵列条件下,前者性能明显好于后者,即上述对比表明了直接数据域算法的有效性。

基于遗传算法的功率域最小二乘DOA估计器

提出一种基于遗传算法的功率域最小二乘波达方向(DOA)估计器。通过功率域最小二乘法推导得到优化目标函数。继而将目标函数作为适应度函数,将阵列天线各入射信号的未知DOA作为决策变量,通过遗传算法进行全局优化,从而完成各信源DOA的估计。采用适当的遗传策略,使全局寻优有效收敛至满意解,避免了复杂的多步迭代,提高了稳健性。估计器对非均匀高斯白噪声条件下的信源DOA同样有效。仿真实验表明,估计器的性能接近确定性最大似然(DML)估计器。

多约束实数权的直接数据域算法在空时自适应处理中的应用

传统的空时自适应处理算法通过权矢量幅度和相位的改变来实现,本文研究了空时自适应处理中一种改进的直接数据域(Directdata domain,DDD)算法。该方法仅通过权矢量幅度的改变,对一次样本数据进行处理,有效地抑制杂波和干扰,实现对目标信号的正确估计。采用实数权减小了运算量,降低系统的复杂程度。当目标信号的方向与天线波束指向有偏差时,采用多约束的方法,保证系统在目标信号方向的增益。仿真结果表明该方法的有效性。

一个非线性最小二乘混合算法及其在多源多维多类型测量数据联合非线性处理中的应用

建立了一个多源、多类型观测量联合处理的数学模型,针对该模型,结合非线性最小二乘的两种常用算法———修正的高斯—牛顿法与阻尼最小二乘法,建立了一个非线性最小二乘的混合算法,该算法不仅具有全局收敛性,而且在一定条件下局部二次收敛。通过算例验证了算法的有效性。

快速采样数据建模的最小二乘算法

由于传统的ＡＲ模型不适于快速采样数据的建模，提出了基于增量差分算子建模的递推最小二乘算法，讨论了这种模型与相应连续模型的关系．数据仿真表明这种模型较之于ＡＲ模型有较好的适用性．

GIS数据误差处理的阻尼最小二乘算法

应用非线性最小二乘平差方法阻尼最小二乘法研究了数字化数据误差处理 ,并将该方法与最小二乘条件平差进行了比较。理论和实验表明 ,在处理较大数字化数据误差时采用阻尼最小二乘平差方法 ,减弱了在条件方程线性化过程中产生的模型误差 。

遗传算法与最小二乘法在实验数据处理中的对比研究

采用遗传算法拟合甘油的黏度随温度的变化公式,并将得到的经验公式与采用传统的最小二乘法得到的公式比较.发现在处理某些非线性拟合问题时,采用最小二乘法并非最好,遗传算法得到的结论更优,方法也更简单.

基于直接数据域方法的快速波达方向估计算法

提出一种基于直接数据域方法的快速波达方向估计算法,该法仅采用阵元输出电压的极少数快拍数据即完成对相干与非相干入射信号的波达方向估计。首先根据直接数据域最小二乘思想构造矩阵方程,采用共轭梯度法求得各观察方向的输出功率,然后得到方向谱。最后利用输出功率粗估和方向谱细估,从而确定入射信号的波达方向。它无需构造协方差矩阵及进行矩阵求逆,又避免了复杂度较高的广义特征值分解。仿真结果证实了算法的估计性能以及相对传统算法所体现出的优越性。

机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。

圆柱阵主动声呐基于直接数据域空时二维处理

空时二维处理(STAP)是一种抑制混响的有效技术途径。圆柱阵主动声呐混响具有强非均匀性,影响STAP处理性能的提升。本文提出了一种适合圆柱阵主动声呐的基于直接数据域空时二维处理算法。算法借鉴雷达STAP直接数据域方法,采用二阶对消方法抑制目标信号。数字仿真结果表明,该算法可以改善圆柱阵主动声呐混响抑制的性能。

含不等式约束的总体最小二乘算法在矿山测量数据处理中的应用研究

为了提高矿山测量数据的处理精度,本文采用含不等式约束的总体最小二乘算法,研究了含不等式约束的总体最小二乘算法模型以及其在某矿区的应用。研究得出:通过把某矿山井下导线网观测数据代入模型计算,在该算法条件下,矿山测量数据处理结果更合理,能够满足相对闭合差以及给定的长度变形要求。该研究为类似工程条件下矿山测量数据处理提供一定的理论依据。

基于最小二乘与D-S证据理论的WSN层次式数据融合算法

无线传感器网络中,数据融合技术是降低网络数据通信量、节省节点能耗和延长网络寿命的重要措施之一。为了在兼顾降低数据量的同时提高对事件的识别精度,提出了一种基于最小二乘法和D-S证据理论的层次式数据融合算法。算法在Sink节点上,以最小二乘算法融合从传感器节点上传的数据,降低了Sink节点与监控中心的通信量;在监控终端上采用D-S证据理论建立识别框架,通过证据的不断积累,提高了事件的识别精度。

基于移动最小二乘的数据拼接ICP算法

ICP算法的关键是确立正确的对应点集.针对此问题,本文提出一种改进的ICP算法.首先对2片点云的重叠区域进行基于移动最小二乘(Moving Least-Squares,MLS)曲面拟合得到2片插补出的点云数据,并确立初始对应点,然后结合刚性、曲率等约束去除错误对应点对.实验结果表明:改进ICP算法可以有效地提高确立对应点的正确率,从而极大地提高数据拼接的精度.

广义非线性最小二乘迭代算法在多维多时态多精度数据处理中的应用

本文首先对广义非线性最小二乘迭代算法的研究现状进行分析,随后基于广义非线性最小二乘迭代算法对多维多时态多精度数据处理问题进行研究,期望能够对数据处理问题的优化有所帮助。