非线性最小二乘法在傅里叶变换红外光谱定量分析中的误差估计

根据统计学的参数估计理论,提出在傅里叶变换红外光谱定量分析中使用非线性最小二乘法进行浓度反演的参数误差估计方法。实验中,通过光谱平均次数来控制噪声水平,以此来评估不同噪声水平下混合气体中各组分反演结果的估计误差。结果表明,对于自研抽取式傅里叶变换红外光谱仪,8次平均光谱即可满足反演误差小于3%的需求,64次平均光谱的反演结果配合估计误差可以实现对平均浓度的覆盖率达到100%。随着噪声水平的降低,仪器、环境等非噪声因素的扰动是估计误差的主要部分。该方法在优化光谱定量分析的参数配置和指导光谱仪器系统设计等诸多方面具有重要的应用前景。

可分离非线性最小二乘计算方法及其在LiDAR波形分解中的应用研究

非线性最小二乘作为最基本的非线性优化方法,广泛应用于测绘领域中非线性函数模型的参数估计。LiDAR全波形回波信号的高斯特征参数的求解通常并未考虑模型可以分解成多个高斯函数的结构特点,而将所有的待求参数看作非线性参数,用泰勒级数展开公式对非线性模型线性化,进而利用LM(Levenberg-Marquardt)算法进行求解,对待求参数初值要求较高。

一种新的求解非线性最小二乘估计的方法

本文通过一个案例将非线性最小二乘估计问题转化为线性最小二乘解决,通过真实值与预测值之间的误差比较说明某些情况下线性最小二乘估计拟合效果较好。

一种线性最小二乘法的声源目标精确定位方法

在分析了声音能量距离衰减模型的基础上,提出了一种声源发射能量未知下的声源目标位置精确定位计算方法。将声音能量定位模型转化为非约束线性最小二乘法估计问题,其定位结果直接用代数解表示。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。对信标节点位置坐标存在高斯噪声下的定位计算方法进行了改进以减少定位误差。仿真验证了该定位计算方法的有效性,数值模拟了不同观测信号噪声和信标节点位置噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,更接近于定位误差的克拉美罗下界值。

钻井液卡森模式流变参数非线性最小二乘估计新算法

针对卡森流变方程的特点,提出了一种非线性最小二乘估计的新算法。该算法不需要人工给定迭代初始值,迭代过程稳定的收敛到参数允许区域中的唯一最小点,不会陷入极小点陷阱,存储需求量小,收敛速度快。新算法是一个全局优化算法,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎为最小的特征。利用实际钻井液数据计算的实例表明,新方法具有比线性回归方法更小的拟合方差、相近的均值及优良的拟合残差统计特性。该方法可以应用到钻井液卡森流变模式流变参数的确定、钻井液流变模式优选及钻井液性能调整和评价等方面。

基于改进型非线性最小二乘法的作物模型隐含参数估计

为了使作物生长模型中的参数最优化,提出了一种改进型非线性最小二乘法在作物生长模型中隐含参数估计的应用技术,针对多目标项的情况提出了权矩阵的自动计算方法。通过良好的人机交互界面,使得该方法更精确、更有效、更方便。实验表明:用该方法对作物模型进行参数优化后,再对番茄生长的动态过程进行仿真,对模拟值和实测值进行比较,两者拟合程度很好。

椭圆拟合的非线性最小二乘方法

为了在图像中确定椭圆目标精确的位置和边界,提出了一种基于非线性最小二乘的椭圆拟合方法。该方法在得到目标边界点的基础上,通过最小化拟合椭圆与边界点之间的欧氏距离,确定出由椭圆中心坐标、长半轴和短半轴长度、旋转角度共5个参数定义的椭圆,使得这一椭圆在非线性最小二乘意义下是最优的。在实际应用中,特别是人眼图像的瞳孔提取中,这种方法能够排除反光、睫毛、眼皮等的干扰,得到较为精确的瞳孔位置和边界。仿真实验和实际数据计算的结果表明,提出的方法有良好的准确性和鲁棒性。

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。

斯托克斯椭偏仪的非线性最小二乘拟合偏振定标

由于传统的斯托克斯椭偏仪定标方法中入射光源的偏振效应、定标单元中光学元件的制造与装调误差都会降低仪器矩阵的定标精度,从而影响偏振态的测量精度,本文提出了基于非线性最小二乘拟合算法的仪器矩阵偏振定标方法.该方法将描述定标单元的参量和仪器矩阵的所有矩阵元一起作为未知参数,根据偏振光学传输理论建立探测光强与未知参数的函数关系式；然后,基于非线性最小二乘拟合方法拟合实际探测光强随定标单元方位角的变化曲线,进而得到斯托克斯椭偏仪的仪器矩阵.实验中使用该方法和传统方法在500～700 nm波段分别定标了KD＊P型斯托克斯椭偏仪的仪器矩阵.结果显示,新方法在500～600 nm波段获得的斯托克斯参数的总均方根（RMS）偏差为1.6％,较传统定标方法提高约0.5％；波长大于600 nm时,由于系统信噪比降低使得新方法的测量精度降为2.4％,但仍然远高于传统方法的测量精度.结果表明,提出的方法简单易行,适用于各种斯托克斯椭偏仪的仪器矩阵定标.

基于Levenberg-Marquadt的非线性最小二乘新型换流变压器漏感矩阵识别法

在对新型换流变压器的保护研究中,漏感参数的识别尤为重要。鉴于该换流变压器的特殊绕组结构,本文首次推导出以漏感参数的矩阵形式来表征这种结构的特殊性,并提出一种基于Levenberg-Marquadt的非线性最小二乘算法用于此漏感参数矩阵识别,在对正常及各种外部故障情况下的仿真中应用该方法均正确识别了漏感参数矩阵,且求得的参数误差很小,而对各种内部故障情况下漏感参数矩阵的辨识误差较大,能有效地与前者区分。该漏感参数的识别方法不仅能降低数学建模的冗余性,而且还能处理新型换流变压器的电压电流数据中的共线性问题,从而准确快捷地识别出漏感参数矩阵,并且避免识别过程陷入局部最优。本文提出的新型换流变压器漏感参数的快速识别方法,为进一步研究新型换流变压器的保护打下一定的理论基础。

基于非线性最小二乘原理的原木端面识别算法

为了更好地进行原木端面识别,研究了一种基于非线性最小二乘原理的椭圆拟合算法。椭圆拟合的精度在很大程度上受初始值的影响,该方法通过对目标图像的边界点进行距离计算,得到了适当的初始值;之后运用最小二乘原理,计算边界点到拟合椭圆之间欧式距离的最小值,确定最优拟合椭圆的长短轴参数。实验结果表明,提出的算法在原木端面的识别中,具有良好的拟合精度和适用性。

多基纯方位目标交叉定位中的非线性最小二乘方法

纯方位目标定位方法广泛应用于被动探测系统中,通常采用最小二乘方法对多基平台交叉定位结果进行估计定位。在纯方位定位估计中的最小二乘方法主要采用线性近似法,但难以满足实用中的非线性特性,因此导致定位精度难以提高。从非线性估计出发,利用牛顿迭代的非线性最小二乘估计算法对交叉定位结果进行估计,保留了二阶以上的观测误差,迭代趋于收敛。仿真结果表明与线性近似法相比,牛顿迭代法提高了定位精度,增强了定位稳定性,有效地改善了多基纯方位目标定位系统的定位性能。

基于非线性最小二乘算法的空间坐标转换

提出一种适用于任何旋转角度的非线性最小二乘空间三维直角坐标转换算法,通过解多元函数极小值求取七参数最佳估值。与目前常用的一些方法相比,具有计算简便、收敛速度快、不依赖于七参数初值、便于程序实现等优点,并通过模拟算例验证了该方法的可行性。

采用非线性最小二乘法实现圆环天线阵的方向图综合

为使阵列天线获得圆对称方向图,通常采用环阵的排列方式。本文研究了圆环阵列天线的特殊方向图综合方法,文中采用非线性最小二乘法对影响天线方向图的诸多参数,如单元的幅度和相位、单元间距以及单元在阵中的位置进行了优化设计,使阵列方向图在最小二乘意义上逼近预先给定的理想方向图。仿真结果表明该方法可行、有效。

求解非线性最小二乘问题的迭代法

基于解线性方程组的Jacobi迭代法的思想 ,本文提出了一种求解非线性最小二乘问题的迭代法 ,大量的数值试验表明该迭代法具有较好的收敛性 另外 。

基于非线性最小二乘曲线拟合的虚拟同步发电机惯量与阻尼系数测量方法

虚拟同步发电机(VSG)技术是解决经由电力电子变流器并网的新能源发电渗透率逐渐提高下系统惯性与阻尼减小问题的有效手段。目前的VSG研究多侧重于技术的优化与改进,少有特性测量方面的研究成果。在实际的VSG应用中也通常是使用惯性时间常数τ综合表征系统转动惯量J与阻尼系数D,这种表征方式中转动惯量与阻尼系数耦合,无法明确各参数的具体数值。为了解决该问题,基于非线性最小二乘曲线拟合法,分析了发电系统在离网、并网不同运行工况与阻尼状态的时域单位阶跃响应函数。定性介绍了一种利用动态响应指标测量J、D的方法。实际测量方法以曲线拟合法为基础,借鉴了一种用于同步发电机转动惯量测量的甩负荷实验,结合并网功率阶跃实验,得到了一种可以自验证的综合测量方法。最后通过多组不同参数与工况的仿真与实验验证了该方法的有效性。

基于非线性最小二乘的三星座时差定位综合算法

提出一种基于非线性最小二乘(NLS)的三星座时差定位综合算法。该算法不使用WGS-84椭球模型作为定位约束条件,通过对卫星过顶前后的两组弱观测数据进行综合、配对处理,实现对目标的精确定位。仿真结果表明,该方法不仅对弱观测数据具有较好的定位精度,而且不受目标高程约束,当目标高程不确定时,仍具有稳健的定位效果。

基于改进粒子群优化的非线性最小二乘估计

针对测量数据处理中非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性问题,提出了一种求解非线性最小二乘估计的改进粒子群优化算法。该算法利用均匀设计方法在可行域内产生初始群体,无需未知参数θ的较好的近似作为迭代初值,而具有大范围收敛的性质;通过偏转、拉伸目标函数有效地抑制了粒子群优化算法易收敛到局部最优的缺陷。给出应用该方法到NLSE的具体步骤,通过仿真实验证明该算法的有效性。

邻域线性最小二乘拟合的推荐支持度模型

针对协同过滤推荐系统在稀疏数据集条件下推荐准确度低的问题,提出了推荐支持度模型以及用于该模型计算的邻域线性最小二乘拟合的推荐支持度评分算法(linear least squares fitting,LLSF)。该模型描述用户对被推荐项目更感兴趣的可能性,通过用高支持度的评分估计取代传统的期望估计法来找出用户更喜欢的项目,从而提高推荐的准确度,并从理论上论述了该算法在稀疏数据集条件下相对其他算法具有更强的抗干扰能力。该模型还易于与其他推荐模型融合,具有很好的可拓展性。实验结果表明:LLSF算法显著提升了推荐的准确性,在MovieLens数据集上,F1分数可达到传统的kNN算法的3倍多,对于越是稀疏的数据集,准确率提升幅度越大,在Book-Crossing数据集上,当稀疏度由91%增加到99%时,F1分数的改进由22%提高到125%。同时该方法不会牺牲推荐覆盖率,可以保证长尾项目的挖掘效果。

三维CT重建几何参数的非线性最小二乘估计

重建几何参数的精度是3D-CT(Three Dimensional Computed Tomogra-phy)重建中严格控制的指标,在实际的X射线扫描成像中,这些参数无法直接测量得到,从而难以保证其精度.介绍了利用非线性最小二乘估计Feldkamp三维重建几何参数的方法,根据空间质点质心的投影位置与其投影的质心位置重合的原理,通过计算空间质点(实验中采用近似质点的目标体)投影质心坐标,求解非线性方程组估计重建几何参数的最优解.计算机模拟结果表明,在参数向量初始值接近于真值的情况下,估计所得参数值有较好的精度和重复性.利用此方法估计所得实际扫描系统的几何参数值进行三维重建,也得到了很好的重建结果.