总体最小二乘的改进与信道估计应用

总体最小二乘法同时考虑了数据矩阵和观察值的误差,在参数估计中得到广泛应用。然而总体最小二乘法没有针对具体问题利用误差的先验信息。总体最小二乘的改进算法—结构总体最小二乘法设定了误差矩阵的结构,通过迭代运算估计参数及误差。基于叠加训练序列的时不变信道估计中,信息序列均值构成的误差矩阵为Toeplitz矩阵。结构总体最小范数法作为一种结构总体最小二乘法,可以设定误差矩阵具有Toeplitz结构,有效提高叠加训练信道估计性能。论文对比了最小二乘,数据最小二乘,总体最小二乘和结构总体最小范数在叠加训练序列信道估计中的应用,仿真结果表明,基于结构总体最小范数的估计算法的归一化信道均方误差最小。

利用STLN和InSAR数据反演2008年青海大柴旦M_w6.3级地震断层参数

利用Envisat/ASAR雷达影像处理后获取的2008年11月10日青海大柴旦Mw6.3级地震InSAR同震形变场数据和LN算法反演观测值含有粗差情况下的地震Okada矩形位错模型断层参数;断层深度为19.691 5 km,倾角为56.892 3°,长度为16.499 3km,宽度为6.854 8km,倾滑量为0.832 6 m,中心经度为95.884 7°,中心纬度为37.529 5°,走向方位角为116.411 5°,地震矩为3.108 4×1018 Nm(Mw6.295 0)。反演结果表明,当观测值含有粗差时,LN算法在1范数下可以有效抵抗粗差的干扰,充分利用已有先验信息的同时顾及观测、线性化等原因引起的系数矩阵误差的影响。

基于STLS的卫星惯量矩阵在轨估计

提出了一种采用结构总体最小二乘(Structured total least squares,STLS)进行卫星惯量矩阵在轨估计的方法,与当前估计方法相比,该方法在考虑敏感器测量噪声时能获得一致估计。首先由动量守恒定律得到估计方程,针对该方程的特点定义了惯量矩阵的STLS估计,并使用结构总体最小范数(Structured total least norm,STLN)算法进行求解。证明了当噪声为高斯分布时该STLS估计为极大似然估计,给出了该STLS估计具有一致性的充分条件,仿真结果验证了文章所提估计方法的有效性。

指数阻尼正弦模型阶选择算法

本文针对指数阻尼正弦信号模型提出了一种新的基于子空间和结构总体最小范数的阶选择算法.该方法利用信号子空间移不变性以及阶与信号分量数匹配时总体误差最小原理建立模型阶估计准则.实验表明该方法获得了更高的阶估计精度.算法无需设置阈值和惩罚项,自动完成阶估计过程.它可以应用到高分辨率的谐波恢复算法中.