针对现有微型光谱仪缺少一种统一、可靠标定方法的问题,提出了一种基于移动最小二乘法(Moving Least Squares,MLS)的微型光谱仪标定方法;首先,微型光谱仪分别获取汞氩灯和氖灯的标准光谱图;然后对含有高频噪声的原始光谱图进行小波去噪...针对现有微型光谱仪缺少一种统一、可靠标定方法的问题,提出了一种基于移动最小二乘法(Moving Least Squares,MLS)的微型光谱仪标定方法;首先,微型光谱仪分别获取汞氩灯和氖灯的标准光谱图;然后对含有高频噪声的原始光谱图进行小波去噪,之后通过峰值定位算法找到特征峰并筛选出需要参与拟合的特征峰所对应的像元序号,最后筛选出一定数量的标定点使用MLS进行拟合;选取一定数量的未参与标定的特征峰代入到拟合函数中进行精度验证;实验表明:基于MLS拟合标定后,标定集的误差标准差为0.136 nm,测试集的误差标准差为0.192 nm,高于传统的最小二乘法曲线拟合,该方法实现了快速、准确地对微型光谱仪进行标定,在实际工程应用中具有重要的指导意义。展开更多
针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with e...针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable,ARX),然后采用Durbin方法将移动平均部分(Moving average,MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive,LAR)的参数辨识问题,并利用MA与等价LAR的参数对应关系直接得到MA参数,最后利用辨识出的MA参数计算出噪声方差.与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.展开更多
文摘针对现有微型光谱仪缺少一种统一、可靠标定方法的问题,提出了一种基于移动最小二乘法(Moving Least Squares,MLS)的微型光谱仪标定方法;首先,微型光谱仪分别获取汞氩灯和氖灯的标准光谱图;然后对含有高频噪声的原始光谱图进行小波去噪,之后通过峰值定位算法找到特征峰并筛选出需要参与拟合的特征峰所对应的像元序号,最后筛选出一定数量的标定点使用MLS进行拟合;选取一定数量的未参与标定的特征峰代入到拟合函数中进行精度验证;实验表明:基于MLS拟合标定后,标定集的误差标准差为0.136 nm,测试集的误差标准差为0.192 nm,高于传统的最小二乘法曲线拟合,该方法实现了快速、准确地对微型光谱仪进行标定,在实际工程应用中具有重要的指导意义。
文摘针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable,ARMAX)的参数辨识问题提出一种两阶段辨识方法.首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable,ARX),然后采用Durbin方法将移动平均部分(Moving average,MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive,LAR)的参数辨识问题,并利用MA与等价LAR的参数对应关系直接得到MA参数,最后利用辨识出的MA参数计算出噪声方差.与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.