曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法,曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注,并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题,提出了一种局部的LSPIA算法,称为LOCAL-LSPIA。首先,给定初始曲线(曲面)并从给定的数据点中选择部分数据点;然后在初始曲线(曲面)上选择需要调整的控制点;最后,LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此,LOCAL-LSPIA是有效的,而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。

基于迭代最小二乘的水下三维高鲁棒性定位算法

为解决基于空间角信息水下3维定位中,闭式解算法中定位性能无法达到克拉默-拉奥界(CRLB)和牛顿迭代算法初始值选取问题,该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值,将迭代结果修正闭式解算法的残差项,通过迭代最小二乘法的交替运算,得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性,消除伪线性加权最小二乘算法中残差项选取的不利影响,解决了迭代法初始值选取问题,得到与收敛情况下迭代法相近的定位性能。

一类二次矩阵方程的牛顿迭代法及其收敛性

二次矩阵方程是科学与工程计算中一类重要的方程,探讨有效的数值方法是一项有意义的工作,拟生灭过程在股价模拟、库存控制、排队论等很多领域都有着重要的应用,对一类来源于拟生灭过程的特殊的二次矩阵方程进行了研究。在最小非负解存在且唯一的假设条件下,提出了牛顿迭代法并证明其收敛性。当初始矩阵取零矩阵时,牛顿迭代法产生的矩阵列收敛到方程的唯一最小非负解。最后通过数值例子验证算法的有效性与可行性。

基于迭代重加权的子阵级MIMO雷达角度超分辨算法

针对子阵级多输入多输出(MIMO)雷达阵列孔径数量有限带来的高方向图旁瓣问题,构建了子阵级MIMO雷达收发信号和多子阵角度测量模型,提出了基于自适应迭代重加权(AIR)和p-范数约束下迭代重加权最小二乘(p-IRLS)的角度超分辨算法,分析了两种算法的计算复杂度。在仿真实验中验证了两种算法的性能,并对其在单目标和双目标、以及干扰环境检测中的效果进行了比较分析。仿真结果表明,AIR和p-IRLS算法能够有效降低子阵级MIMO雷达的方向图旁瓣电平,同时实现对目标的角度超分辨。和AIR算法相比,p-IRLS算法在低信噪比和邻近目标分辨性能更突出。

融合迭代平均滤波的RSSI室内定位算法

针对室内定位中,受无线通信距离和环境的影响,紫蜂(ZigBee)观测信号的随机噪声较为显著,导致定位结果的精度和稳定性较弱的问题,提出一种融合迭代平均滤波的RSSI室内定位算法:在数据采集过程中,采用高斯滤波对观测信号进行预处理,并根据接收信号强度指数测距理论建立起路径损耗模型,由此估算出信号接收节点到广播信标节点间的距离;然后,在定位解算过程中,在线性最小二乘算法的基础上融合迭代平均滤波算法,以抑制随机误差对定位结果的影响;最后,采用自研的CC2530 ZigBee模组对算法的可行性和稳定性进行实验验证。结果表明,等权最小二乘算法的点位精度约为0.64m,距离定权后,最小二乘算法的精度提升到0.52m;用等权最小二乘算法融合迭代平均滤波,精度也能达到0.5 m左右,与距离定权最小二乘的精度相当;同时,融合距离定权和迭代平均滤波2种方法的点位精度可以提高到0.35 m左右。

基于迭代加权最小二乘的桥梁动态称重理论与试验研究

目前商用桥梁动态称重系统(weigh-in-motion systems,BWIM)大多基于Moses算法,虽然能高效快速地识别行驶于桥梁的车辆轴重,但轴重识别精度偏低。为解决这一问题,提出基于迭代加权最小二乘的桥梁动态称重(iteratively reweighted least squares,IRLS)算法。与Moses算法不同,IRLS算法考虑了荷载响应中存在的多种不确定性因素,为每个荷载响应值提供一个合适的权重系数,区分不同荷载响应对轴重识别的贡献度。首先,将迭代加权最小二乘引入桥梁动态称重,推导出相应的轴重识别计算公式;然后,通过车桥数值仿真模型,分别用IRLS算法和Moses算法识别轴重,对比分析两种算法的精度及影响因素;最后,基于怀化舞水五桥引桥的车桥动力试验,进一步验证IRLS算法用于桥梁动态称重的有效性和准确性。结果表明,IRLS算法能较合理地分配不同荷载响应对轴重识别的贡献度,在一定程度上提高车辆轴重识别的精度。

基于最小二乘迭代威布尔分布的三参数估计

威布尔分布因其数学处理的便利性和适应性而被广泛用于描述产品寿命,引入了位置参数的三参数威布尔分布是研究机械零部件可靠性最适合的模型之一,尤其适用于长寿命、高可靠性的产品。三参数威布尔分布的参数估计一直是关注的焦点,本文中提出了一种基于最小二乘的迭代方法对其进行参数估计,将初始位置参数设置为0,使用最小二乘法得到初始形状参数和尺度参数,将其代入位置参数的无偏估计得到新的位置参数,进行多次迭代,在此过程中形状参数和尺度参数逐渐变小,位置参数逐渐变大,最终获得稳定的形状参数、尺度参数和位置参数,即为最终的参数估计值,并计算可靠度为99%的寿命。通过蒙特卡洛(Monte Carlo)仿真证明此方法是收敛的,并在不同的威布尔模型、不同中小样本量(样本量为10、15、20、25和30)下,使用偏差(Bias)和均方差根(RMSE)两个指标与相关系数法进行对比,此方法估计的3个参数及可靠度为99%的寿命更加准确。通过两个实例分析,表明该方法具有可行性和有效性,估计结果与相关系数法相比更加保守,更适于工程应用。

自适应迭代最小二乘支持向量机回归算法

基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.

改进的鲁棒迭代最小二乘平面拟合算法

针对迭代特征值最小二乘法不具备鲁棒性,提出一种改进的统计分析方法,用于含有大量异常点的点云的平面拟合.首先由移动最小二乘法拟合抽样点的近邻域平面,采用最小平方中位数法选择拟合模型,将该模型作为初始模型调用迭代特征值最小二乘法对点集拟合,通过逐渐剔除异常点,不断精炼模型,最终得到较精确的平面模型.此算法克服了一般向后剔除方法的缺点,具有了鲁棒性,且不失原方法的精确性,同时提高了迭代收敛速度.

角速率输入下的双子样二次迭代圆锥补偿算法

传统姿态算法中使用角增量信息,针对角速率输入下的捷联惯性导航系统采用传统旋转矢量算法致使计算精度下降,且不能有效补偿圆锥误差的问题,提出一种直接使用角速率进行姿态解算的双子样二次迭代算法,在理论分析中简化了公式并对补偿系数进行了优化。仿真结果表明,在经典圆锥运动环境下,对比传统圆锥补偿算法,该双子样二次迭代优化算法具有更高的计算精度,且叉乘运算量和基于角速率的三子样优化算法相同。

求解二次指派问题的最优迭代最大最小蚂蚁算法

为提高二次指派问题的求解质量,设计了一个有效的最大最小蚂蚁求解算法。首先,运用最优迭代思想,让每只蚂蚁从当前最优路径中随机地选择位置及其对应的任务作为下一轮迭代的初始值,增强每轮搜索的有效性;其次,采用加入新任务后目标值的增量作为启发式因子来引导状态转移,增加每步搜索的目的性;然后,应用多精英策略来进行信息素更新,增加解的多样性;并设计有效的双重变异技术来提高解的质量,提高算法的收敛速度;最后,应用QAPLIB数据集进行了大量实验,结果表明:该算法在二次指派问题的求解质量和稳定性上显著优于其他算法。

基于最小二乘迭代算法精确估计塔康方位参数

对中频数字化技术的塔康视频信号方位估计进行了研究。首先通过搜索PAM信号的峰值,得到由随机峰值点组成的包络信号;再根据确定的信号形式,采用最小二乘迭代算法估计出包络信号的方位参数。不需要寻找正斜率拐点和脉冲对译码,通过迭代运算能减小运算量和计算机内存,在对峰值进行拟合过程中,能有效抑制噪声的影响,提高参数估计精度。计算机仿真验证了其有效性。在3 dbW的功率信噪比下,估计误差不超过0.5°,满足塔康系统的方位误差为2°的要求。与传统方法相比,该方法具有实现简单、高精度的特点。

混合总体最小二乘的迭代解算算法

总体最小二乘估计能够同时顾及线性模型中系数矩阵A和观测向量L的误差,平差理论相对更为严密。如果系数矩阵A的部分元素没有误差,这种总体最小二乘模型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares-total least squares,LS-TLS)解算问题,应用测量平差中的原理和方法,推导了混合总体最小二乘的迭代逼近解算公式,通过与奇异值分解法分析比较,分析了两种解算方法具有等价性,最后通过实验数据分析得出迭代算法的有效性和合理性。

基于贝叶斯测距和迭代最小二乘RSS的定位算法

针对基于接收信号强度(received signal strength,RSS)测距定位框架,提出基于贝叶斯测距和迭代最小二乘定位的RSS的定位算法.在测距阶段,先利用贝叶斯概率模型处理测距过程,并采用最小均方误差(minimum mean square error,MMSE)估计距离;在定位阶段,利用迭代最小二乘(iterative least square,ILS)估计节点的位置,最后重点对其定位性能做了理论分析和对比实验.仿真结果表明,提出的MMSE+ILS定位的方案极大地提高了定位精度,并降低了计算复杂度,但运行时间略有提高.

矩阵方程AXB=C的中心对称最小二乘解及其最佳逼近的迭代算法

本文建立了求矩阵方程AXB=C的中心对称最小二乘解的迭代算法。在不考虑舍入误差时,对任意给定的初始中心对称矩阵,该算法能够在有限步迭代后得到此方程的中心对称最小二乘解。当选取特殊的初始矩阵时,可得到极小范数中心对称最小二乘解。另外,在上述解集合中也可得到给定矩阵的最佳逼近矩阵的表达式。

改进的二维最小交叉熵阈值分割快速迭代算法

基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高.针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式.对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.

复指数信号模型非线性最小二乘解的几何结构及迭代算法

本文给出了复指数信号模型非线性最小二乘解的几何结构 .从分析迭代算法的收敛性态入手得到解的几何结构 ,将有助于构造十分有效的迭代算法 .另外 ,本文在低信噪比 (10dB)及较小频率差 (0 0 2Hz)的情况下 。

基于迭代重赋权最小二乘算法的块稀疏压缩感知

压缩感知是一种新颖的信号处理理论.它突破了传统香农采样理论对采样的限制,以信号的稀疏性或可压缩性为基础,实现了信号的高效获取和精确重构.然而在现实中,部分稀疏信号还表现出一些其他结构,典型的例子就是一类块稀疏信号,其非零元素以块的形式出现.针对这类信号,本文研究了求解块稀疏压缩感知的迭代重赋权最小二乘算法(IRLS),给出了该算法的理论分析:误差估计和局部收敛性分析.大量试验验证了基于迭代重赋权最小二乘算法的块稀疏压缩感知策略的有效性.

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机（LS-SVM）回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明：在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。