基于最小二乘优化的高精度参数估计研究

研究了捕食者-被捕食者模型在不同观测误差条件下的非线性微分方程组参数估计问题.首先利用差分方法进行离散化,得到一个超定的线性方程组,进行最小二乘拟合优化;其次,考虑观测资料有误差而时间变量无误差的情况,通过利用周期取平均的方法,从而降低了数据的误差;最后针对时间变量也会有误差情况,对每个观测时刻的数据进行归整处理来降低时间上的观测误差,最后利用最小二乘拟合得到最优的参数值.

雷达信号高精度参数估计及其DSP实现

研究了单脉冲、线性调频与相位编码雷达信号的调制类型识别与高精度参数估计算法,基于TMS320C6713搭建的硬件平台,完成了两个同时到达信号的高精度参数估计。测试结果表明,该系统能够处理两个同时到达信号,实测双信号处理时间为3748905 ns,频率测量误差小于10 kHz,处理速度与参数估计精度都能满足实际需要。

一种基于高精度参数估计的跳频网台分选方法

研究了一种基于时域频域综合处理和高精度参数估计的跳频网台自动分选方法。经基于时频图的去噪及信号检测,基于原始采样数据的精确参数估计和对驻留时间、频率、能量、精确跳周期、起跳时间进行多维度融合处理,实现了网台自动分选。突破了以往对时频数据直接进行网台分选的方法中时间分辨率和频率分辨率的限制,提高了网台分选的准确率。

高精度参数估计问题

对高精度参数的估计问题进行了研究.在观测数据无误差的情况下,将微分方程组转化为线性方程组,利用矩阵的奇异值分解给出了参数的最优解.在有观测数据误差的情况下,采用高斯-牛顿迭代法进行求解,给出了改进的高斯-牛顿法和阻尼最小二乘算法;通过灰色估计法给出了模型的初始解,通过微分方程数值解法计算模型迭代过程中误差和偏导数.最后,通过对迭代过程中的状态变量引入误差项,导出了基于总体最小二乘的高斯-牛顿迭代法,从系统的角度解决了观测时间有误差下的参数估计问题.

基于增广的广义卡尔曼滤波模型的高精度参数估计

针对捕食模型、利用已知观测数据、在非线性最小二乘准则下,建立了基于增广的广义卡尔曼滤波模型来解决噪声背景下的高精度参数估计问题,并予以了验证.提出以相平面方程为约束的初值搜索算法,利用Matlab优化工具箱、深度搜索和剪枝加速等技术来提高搜索速度.还建立了二重规划模型以解决观测时间有误差时的高精度估计问题,并对时间误差作了正态分布检验.

捕食模型高精度参数的估计

研究了捕食者模型在多种观测值条件下的非线性微分方程组参数拟合问题.首先利用龙格-库塔法进行微分方程数值计算,通过首次积分项变形建立线性回归方程,进行最小二乘拟合;其次,考虑到实验数据包含随机误差的扰动,引进正规方程组对模型进行误差分析;最后针对时间变量也出现误差,采用拉依达准则筛选,然后提出了一种较为简单的参数分段动态估计算法.