M估计方法及其在电力系统状态估计中的应用

针对QL及QC估计的缺点 ,提出了一种新的电力系统稳健估计方法。在此基础上 ,利用残差灵敏度矩阵 ,提出了减少残差屏蔽效应的措施。分析表明 ,新方法可以结合现有常规状态估计方法。计算上易于实现且速度较快 ,在一定程度上克服了残差屏蔽效应。

立体视觉中基本矩阵的改进投影M估计方法

在立体视觉与图像运动分析中,需要排除特征误配点的影响进而得到精确的基本矩阵估计。针对EIV(Error-In-Variables)模型中基于投影的M估计方法存在的核密度估计和正常点与异常点阈值确定的局限性,提出一种改进的投影M估计算法:首先给出新的用于搜索极值点的自适应核密度估计函数,然后改进了正常点的确定方法。对模拟及真实数据进行了实验,验证了改进投影M估计方法的有效性及稳健性。

基于测量误差不确定性加权的快速相机位姿估计算法

在相机位姿估计任务中,参考点位置的测量容易受测量仪器或者所处环境影响,出现一定程度的测量误差,其中误差较大的点对最终求解精度的影响很大,被称为野值点。文章针对现有算法抗野值点能力较弱的问题,提出一种基于测量误差不确定性加权的快速相机位姿估计算法。该算法以经典的正交迭代算法为基础,引入M估计方法,对目标函数根据参考点的测量误差赋予相应大小的权值,最大程度地将野值点的影响排除,并引入Kronecker积对计算过程进行优化,减少了迭代过程中的冗余计算,提高运算速度。仿真实验结果表明,改进后的算法提升了原算法的抗野值点能力,且计算速度更快。

GPS坐标时间序列时变振幅周期信号的Huber M估计

GPS时间序列周期信号的精准提取对趋势的估计具有重要的影响。相较于传统的常数振幅周期信号模型,已有研究表明GPS时间序列周期信号的振幅是随时间变化的。实际的GPS时间序列存在异常值,且在提取周期信号过程中会产生新的异常值。针对以上两点,该文提出了一种基于Huber函数M估计(HM)的GPS坐标时间序列时变振幅周期信号估计方法:采用关于时间的多项式函数来建立时变振幅模型,由HM方法及交替方向乘子法求解。通过模拟数据及实际GPS站点数据将HM方法与小波分解方法、奇异谱分析方法和滑动最小二乘方法进行比较,结果表明HM方法在估计精度上要优于其他3种方法,弥补了已有方法在时变振幅情形下会吸收噪声以及噪声较强时对周期信号提取能力较弱的不足。