基于MATLAB的递推最小二乘法辨识与仿真

通过对最小二乘算法的分析,推导出了递推最小二乘法的运算公式,提出了基于MATLAB/Simulink的使用递推最小二乘法进行参数辨识的设计与仿真方法。并采用Simulink建立系统的仿真对象模型和运用MATLAB的S-函数编写最小二乘递推算法,结合实例给出相应的仿真结果和分析。仿真结果表明,该仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点,是一种简单、有效的最小二乘法的编程仿真方法。     

基于角度信息的递推最小二乘无源定位算法

针对机载单站无源定位的定位精度和实时性等问题,提出了一种基于角度信息的递推最小二乘(RLS)无源定位算法;首先建立了机载单站三维无源定位模型,求出最小二乘(LS)解;然后依据机载单站无源定位的实时性要求将最小二乘估计转化为递推最小二乘估计的形式;最后通过不同的仿真实验研究了影响定位精度和收敛速度的因素;仿真结果表明:RLS算法与LS算法在定位精度和收敛速度方面性能相似,但RLS算法运算复杂度低,所需存储空间小,能够实时的对目标进行定位,满足机载单站无源定位的需求。     

基于多尺度贯序式卡尔曼滤波的运动声阵列跟踪算法

为了研究运动声阵列对二维目标在复杂环境中的实时跟踪性问题,根据运动声阵列及二维目标的运动特点建立了状态方程与测量方程,并将其描述为块的形式.根据不同的状态块,利用小波变换把状态块分解到不同尺度上,分别在时域和频域上建立相应尺度上的状态与观测信息之间的关系;采取卡尔曼滤波器递推思想来实现运动声阵列的多尺度贯序式卡尔曼滤波算法,根据最小二乘误差估计理论推导了运动声阵列跟踪系统在球坐标系和直角坐标系下的误差,为提高系统跟踪精度奠定了理论基础,并为工程应用提供了实际方法.与传统的卡尔曼滤波算法相比,Matlab仿真结果表明了本文算法的有效性和优越性.     

基于模板更新的自适应Mean-shift跟踪算法

提出了一种利用Mcan-shift算法处理目标跟踪定位,并以SIFT特征点匹配结果的最小二乘模型来求解缩放系数和更新目标模型的自适应跟踪方法。该方法实现了目标的快速跟踪,解决了模板更新和目标的尺度缩放问题。实验结果表明,该算法在处理目标尺度变化较大的情况下具有很强的鲁棒性。     

基于角度信息的结构总体最小二乘无源定位算法

在基于角度信息的约束总体最小二乘无源定位算法的基础上,文中基于角度信息的无源定位问题转化为结构总体最小二乘问题,并通过逆迭代法求出定位问题的解.文中还阐述了在一定条件下结构总体最小二乘算法与约束总体最小二乘算法具有相同的定位均方误差.最后还将结构总体最小二乘算法与Kalman滤波相结合,给出了一种对运动目标进行定位跟踪的新算法.计算机仿真结果验证了文中新算法的有效性和优越性.     

改进的鲁棒总体最小二乘无源定位算法

针对机载无源定位易受异常误差影响的问题,提出一种基于角度信息的鲁棒递推总体最小二乘定位（RRTLS）算法。建立机载无源定位模型,得出总体最小二乘（TLS）解,根据机载定位的实时性、低复杂度要求将其转化为加权递推形式;根据广义M估计原理构建鲁棒TLS极值准则,利用其性质将RRTLS定位问题转化为等价权函数的设计问题;验证了利用残差识别异常误差的合理性,在此基础上建立了等价权函数。仿真结果表明,不存在异常误差时,递推总体最小二乘（RTLS）算法和RRTLS算法均能较好收敛;存在异常误差时,递推最小二乘（RLS）和RTLS定位结果受到扭曲,而RRTLS算法能够获得理想的估值,具有较强的鲁棒性。     

基于距离平方差的目标定位估计算法研究

无线传感器网络定位技术作为无线传感器网络的重要支撑技术之一,具有很大的实际价值和研究意义。无线传感器网络的目标定位估计技术主要应用于目标跟踪和目标运动分析,在工业领域具有广阔的发展前景。无线传感器网络由许多在空间中分布的传感器组成,这些传感器能够测量出传感器与定位目标之间的距离,但是该观测距离因为受环境影响所以是有噪音的。目前基于距离的最小二乘估计的定位算法已得到广泛关注,但是该问题是一个非凸问题,精确求解十分困难。因此学者们提出了基于距离平方的最小二乘估计的定位算法,该算法的数学模型虽然相对精确,但是计算起来十分复杂。本文基于距离平方差,提出了新的目标定位估计算法,该算法计算简单,稳定性强,且能得到与基于距离平方的最小二乘估计的定位算法相当的结果。仿真实验结果表明,无论在低噪音水平、中噪音水平还是高噪音水平下,本文提出的新算法都更有优势,在工程领域有极高的应用价值。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.     

线性最小二乘法的RSSI定位精确计算方法

基于接收信号强度指示(RSSI)定位模型,提出了一种目标节点位置的精确计算方法。将RSSI定位问题所描述的非线性优化函数转化为线性最小二乘法估计问题,将定位结果直接用代数解表示。分别提出了目标节点信号发射强度已知和未知下的非约束线性最小二乘(ULLS)定位方法。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。仿真验证了该定位计算方法的有效性,测试了不同信号强度噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,非常接近于定位结果的克拉美罗下界值(CRLB)。     

动态背景运动目标的快速锁定跟踪算法

为改善动态背景运动目标跟踪的精度和计算性能,提出一种Hu_Fourier特征描述子的目标识别算法和固定模板滑动置信度最佳线性逼近法的目标锁定跟踪算法。依据提出的Hu_Fourier特征描述子,快速准确地提取出识别区域运动目标的轮廓特征,结合加权距离目标识别算法,识别出图像中所有目标,计算目标的质心坐标。利用提出的固定模板滑动置信度准则,结合识别目标的质心,锁定目标,更新目标模板。依据最佳线性逼近法,确定下一帧图像的目标搜索区域。理论分析和实验结果验证了该目标锁定跟踪算法的鲁棒性和有效性。     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

基于距离几何约束的二次加权质心定位算法

利用二维实空间中Cayley-Menger行列式提供的距离几何约束条件,结合加权质心计算,提出一种基于距离几何约束的二次加权质心定位算法(DGC-TWCL)。Cayley-Menger行列式用于求解测距误差的优化解,从而可修正节点间的非精确距离。二次加权质心计算通过加权因子来体现锚节点在定位坐标确定中的影响程度。实验结果表明：DGC-TWCL具有较好的定位精度及算法可扩展性和鲁棒性。     

基于循环滤波的无线传感器网络室内定位

针对室内接收信号强度定位具有较大误差的情况,提出一种高效的循环加权递推平均滤波算法对测量信号进行滤波.对已测量数据使用最小二乘法进行拟合得到多项式模型,并使用极大似然估计进行定位.实验结果表明,所提出的循环加权递推平均滤波算法在计算量较小的情况下,能够有效提高测距精度,多项式拟合比对数距离路径损耗模型拟合定位精度更高.在室内环境下,提出的算法定位精度达到0.6m左右,接近节点物理性能所允许的最佳定位精度.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

Mean-Shift跟踪算法中核函数窗宽的自动选取

传统核窗宽固定的Mean-Shift跟踪算法不能很好地对逐渐增大尺寸的目标进行有效的跟踪.在分析同一目标在不同尺度下核直方图基于Bhattacharyya系数相似性的基础上,发现并证明了在核窗宽固定的条件下,目标在其窗宽范围内进行缩放、平移运动并不影响Mean-Shift跟踪算法空间定位的准确性.在此基础上,提出了一种基于后向跟踪、形心配准的核窗宽自动选取算法.对尺度渐大的车辆进行的跟踪实验验证了该算法的有效性.     

SMC框架中引入残差信息的分层重采样策略

近年来序列蒙特卡罗理论及其应用在自动导航﹑非线性估计与金融等诸多领域受到了越来越广泛的关注。提出了一种引入残差信息的分层重采样策略,通过引入当前粒子集权值的残差来构建累积分布函数,同时针对随机区间逐级分层以产生有序的随机数集合,从而提高重采样的合理性与采样效率。首先从仿真实验的角度证明了它的有效性,对比残差重采样﹑多项式重采样与遗传重采样,提出的重采样策略在后验均值误差﹑均方差与运行时间方面均为最小;将提出的重采样策略嵌入到运动目标跟踪算法中,基于标准测试视频的跟踪结果同样佐证了该重采样策略的收敛性及良好的抗噪性能。     

基于残差修正法的无线传感器网络定位技术

测距定位是无线传感器网络节点定位中一种常见的方法。然而距离测量往往容易出现错误,导致潜在的大量非高斯误差的测量数据,最终会导致不精确的定位结果。通过分析非线性最小平方残差定位时,测距误差与残差的分布关系,一种坏测距误差的误差估计方法在本文中被提出。采用估计出的测距误差,修正了非线性最小平方残差值,提高了定位精度。仿真实验表明,该算法能有效估计出坏测距误差,并改进了定位效果。     

无线传感器网络交点质心定位算法的优化

节点自身定位是无线传感器网络的重要应用之一。为提高定位精度,以求解精度优于传统最小二乘法的交点质心算法为基础,定义距未知节点最近的锚节点为参考节点,通过测量参考节点与锚节点之间的距离获得RSSI的测距误差,并对未知节点与锚节点间的测量距离进行误差修正,抑制了RSSI测距误差对定位精度的影响;再引入四边测距定位和优选锚节点的思想,对算法进行改进。MATLAB仿真结果表明：本算法在相同实验环境下相较于交点质心法又进一步提高了定位精度。     

Sequential algorithms on concrete data structures

We provide a sequential denotational semantics for sequential programming languages, based on a new notion of sequential algorithm on the Kahn-Plotkin concrete data structures. Intuitively an algorithm may be seen either as a concrete object—a “program” in a simple output-driven language — or as an abstract object — the pair of a sequential function and of a computation strategy for it. The concrete and abstract presentations are equivalent, as shown by a representation theorem. The algorithms form a cartesian closed category with straightforward solutions to recursive domain equations. Hence they may replace functions in the denotational semantics of any sequential language. An applicative programming language based on sequential algorithms is presented in a companion paper.