岭估计的高杠杆点

本文对岭估计的高杠杆值给出统计意义,并证明岭估计的高杠杆点与最小二乘估计的高杠杆点是相同的。     

协方差阵扰动模型岭估计的影响分析

本文证明了线性回归中协方差阵扰动模型岭估计的某种极限是数据删除模型的岭估计，建立了协方差阵扰动模型岭估计与Ｇ－Ｍ模型岭估计之间的关系，讨论了协方差阵扰动和数据删除对岭估计的混合影响，求得了岭估计的基于有偏估计的Ｃｏｏｋ距离。     

Birmbaum信息矩阵及其上界

本文将单参数Ｂｉｒｍｂａｕｍ信息函数推广到多参数及协方差矩阵可以退化的情形，定义了Ｂｉｒｍｂａｕｍ信息矩阵，确定了Ｂｉｒｍｂａｕｍ信息矩阵上界，然后，本文研究了回归系统ＬＳ估计、广义岭估计、Ｓｔｅｉｎ估计和主成分估计的Ｂｉｒｍｂａｕｍ信息矩阵。     

振速轴向不一致下矢量传感器阵列方位估计方法EI北大核心CSCD

针对振速轴向不一致时矢量传感器阵列的方位估计精度不高问题,提出了一种两步加权交替迭代自适应方法(two-step weighted alternating iterative approach,TWAIA)。在矢量传感器阵列稀疏信号模型中引入轴向角度偏差参数,并把重构的干扰加噪声协方差矩阵作为加权项,基于加权协方差矩阵拟合和加权最小二乘分别构建了关于稀疏信号功率和轴向偏差矩阵的代价函数。首先固定轴向偏差矩阵,采用正则化加权稀疏协方差矩阵拟合方法估计稀疏信号功率;然后固定稀疏信号功率,采用正则化加权最小二乘估计轴向偏差矩阵,并根据轴向偏差在矩阵中的分布特性,重构期望的轴向偏差矩阵,以此交替的方式迭代更新稀疏信号功率和轴向偏差矩阵,直到被估计的稀疏信号功率相较于前一次的迭代值不再变化为止。最终通过对估计的稀疏信号功率谱峰搜索即可实现声源的波达方向估计。仿真结果表明,相较于现有方位估计方法,提出的TWAIA提高了振速轴向不一致时矢量传感器阵列的方位估计精度。     

结构损伤识别的一种反馈岭估计方法

利用含有测量噪声的数据进行结构损伤识别时,经常出现病态最小二乘问题,可能导致计算结果完全失真。为了显著提高计算精度,在岭估计的基础上,进一步提出了一种反馈岭估计方法,以获得精确并具稳定的损伤识别结果。所提的反馈岭估计方法主要分为三个步骤:对结构损伤评估中的线性方程组进行第一次岭估计计算,得到损伤参数的粗略解;根据损伤参数的粗略解,设计一个新的对角矩阵,用于随后的反馈岭估计(即第二次岭估计)计算中;对损伤评估线性方程组进行第二次岭估计计算(即反馈岭估计),最终获得损伤参数的高精度解,据此来对结构中的损伤位置和严重程度进行判定。以一个梁结构作为数值算例,讨论了所提方法在10%噪声水平下的有效性,并把计算结果与普通岭估计和奇异值截断法进行了比较,结果表明:所提反馈岭估计方法大幅度提高了计算精度,即使在10%的噪声水平下,该方法也能获得精度很高的计算结果。     

基于边框加权角相关的光场深度估计算法

光场成像能同时记录光线的强度信息与方向信息且具备估计场景深度的能力.然而,深度估计的精度却容易受光场遮挡的影响.因此,本文提出一种边框加权角相关的深度估计方法来解决该问题.首先,该方法将光场角度域图像分成四个边框子集并分别度量这些子集中像素的相关性来构建四个代价体积,以此解决不同类型的遮挡.其次,该方法提出加权融合策略来融合四个代价体积,进一步增强算法的鲁棒性,同时保留算法的抗遮挡能力.最后,融合后的代价体积利用引导滤波对其进行优化,以提升深度估计的精度.实验结果表明,提出的方法在量化指标上优于现有的方法.同时,在绝对深度测量实验中,提出的方法能实现高精度的测量.     

MAPSAC与EKF结合的单目相机鲁棒定位估计算法与实验验证

由于RANSAC数据关联存在随机选取样本、主模型先验假设、内点不做区分的问题,导致相机鲁棒定位估计效率不高、环境适应性受约束、准确性受到影响.本文结合EKF滤波器和MAPSAC数据关联方法,提出一种单目相机鲁棒定位估计算法.EKF滤波器预测和更新初步估计可提高定位估计效率,增强环境适应性;MAPSAC数据关联采用对内点加权的最小化损失函数剔除误关联数据,提高了单目相机定位估计的准确性.通过实验,验证了所设计单目相机鲁棒定位估计算法的有效性,研究结果为单目相机定位估计提供参考.     

基于部分岭估计的Zernike模式法人眼波前像差重建

为了提高自适应光学系统中人眼波前像差的重建精度,进而提高自适应光学图像中的点扩散函数重建精度,提出了一种基于部分岭估计的Zernike模式前重建算法。首先,基于Zernike模式波前重建模型,分析了常用的模式系数求解方法;其次,在最小均方误差意义下,将部分岭估计的概念引入到自适应光学系统的波前重建算法中,通过确定最优岭估计参数来改善最小二乘估计的奇异性,从而抑制波前探测中测量误差的进一步被放大;最后,讨论了在波前斜率误差的影响下由两种算法所产生的误差大小。仿真实验结果表明：在波前重建算法中引入部分岭估计可有效减小模式系数的均方误差,相对于奇异值分解法减小了8%~10%,在波前探测测量误差增大的情况下,部分岭估计的波前重建精度要高于最小二乘估计法,有利于自适应光学后期中基于波前探测的图像复原研究。     

基于APEX算法改进的图像复原算法

在高斯类点扩函数退化图像复原的研究中,提出了一种基于降晰图像频谱特征改进的APEX图像复原算法.该算法采用APEX算法的基本原理,根据图像频谱信息特征,对点扩散函数(PSF)估计过程进行了改进,采用加权最小二乘算法拟合出降晰图像频谱主方向,采用图像频谱主方向上的数据进行PSF估计,以利用更多的有效数据,从而减少PSF的估计误差.针对模拟和实际采集的降晰图像进行实验,采用主观视觉和峰值信噪比进行评价.实验结果表明,改进的算法较使用非主频谱方向上的频谱数据的复原算法在复原效果上有一定的提高.     

线性回归模型系数Stein估计的改进研究

针对线性回归模型病态的根本原因，提出了一类新的估计——c-k型估计，将岭估计与Stein估计统一到一个估计类；研究了这一估计类，证明利用岭回归技术可以改进著名的Stein估计(在均方误差意义下)；同时研究了相应参数的最优值，分别给出了它的一个上界及下界，为病态线性回归模型系数的有偏估计提供了改进的技术途径．