参数估计的Systolic算法

本文根据最小二乘原理在三角形Ｓｙｓｔｏｌｉｃ阵列上实现了单输入单输出系统的递推参数估计算法，首先利用矩阵的三角分解给出了待估参数及协方差阵的递推公式，然后利用正交平面旋转并结合三角形Ｓｙｓｔｏｌｉｃ阵列的特点给出了相应的Ｓｙｓｔｏｌｉｃ递推参数估计算法，最后还考虑了算法实现时的性能指标，其后是一些数值仿真结果，由于文中利用了正交平面旋转，因而所得算法是数值稳定的。     

OFDM系统中基于导频的信道估计算法的比较

正交频分复用(OFDM)是一种多载波调制技术,它能有效地克服多径干扰和码间干扰,是第四代移动通信的核心技术。对OFDM系统中基于导频的信道估计技术进行了比较。重点介绍了几种常用的信道估计算法、LS算法、LMMSE算法、SVD算法及DFT和DCT两种变换域算法,并给出了这些算法的仿真实现。     

具有混合误差模型的鲁棒参数估计

本文讨论了同时上人有统计分布结构已知而分布参数未知误差项和统计分结构未知但有界误差项的线性回是发模型的数估计问题。     

基于小波域数据的Hammerstein模型参数估计

针对非线性离散Hammerstein模型的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,估计出该模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,它在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,提高了信号的信噪比,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数相比较,仿真结果表明波域方法是可行的,有效的。     

用于WSNs的间歇型参数估计算法

无线传感器网络(WSNs)用于目标定位与追踪、频谱感知、自动雷达、导航及机器视觉等领域时,常常需要节点协同估计同一个未知参数.节点用一组输入观测未知参数,而未知参数会受到噪声干扰.本文提出了一种间隙式参数估计算法,采用分布式自适应扩散式最小均方(LMS),节点无需直接与网关通信,仅与邻居节点交换自身的估计信息,与集中式...     

双参数估计的改进自聚焦算法

传统自聚焦算法的多普勒调频率拟合模型中当最近斜距存在误差时,由于只考虑载机地速对多普勒调频率的影响,导致多普勒调频率拟合后会引入沿距离向变化的二次相位误差,该二次相位误差会严重影响高分辨率合成孔径雷达(SAR)成像的质量。为解决此问题,通过分析载机地速和最近斜距两个系统参数存在误差时对多频率调频率拟合的影响,提出了基于自聚焦算法结合最小二乘方法联合估计最近斜距和载机地速的双参数估计算法。该算法采用的估计模型相比于传统单参数估计算法更加符合真实的方位多普勒模型,在没有外定标的情况下可以很好地估计最近斜距误差。最后通过实测数据成像验证了该算法在高分辨率SAR成像中的有效性和适用性。     

基于小波域数据的线性ARMAX模型参数估计

线性时不变系统离散ARMAX模型在随机噪声情况下影响输出精度。为此提出直接利用小波域的输入输出数据,估计出模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,方便进行去噪的处理,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数比较,仿真表明改进方法是可行性和有效性。     

一种新的基于参数估计的故障诊断方法

传统的参数估计方法利用历史数据对参数进行估计,形成一次估计值序列,基于参数估计的故障诊断方法就是利用这个序列对故障进行诊断和分离的,但是,一次估计值序列跟踪真实参数变化存在明显的滞后,本文提出一种边估边修正参数序列的方法,从而克服了参数估计滞后,提高了参数估计的准确度,以此我们为故障检测和分离设计了一种新的补偿最小二乘算法,仿真表明这种算法用于故障诊断是有效的。     

一种新的非线性回归模型参数估计算法

提出一种新的基于混合基因算法（HGA）的非线性回归模型参数估计算法,新算法通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了传统算法通用性差、易陷入局部极小的问题,实验验证了算法的通用性和有效性。     

基于载波相位差分的GPS/DR组合定位算法研究

GPS技术由于具备全天候、全球性的定位能力,在当前的导航定位之中应用非常广泛。然而,GPS也会受到天气、地理位置等环境因素的影响,可能存在信号丢失或者精度不够的问题。文章提出了一种基于载波相位差分的GPS、航位推算技术(Dead Reckoning,DR)组合定位模式,并且针对基于载波相位差分的GPS、DR组合定位模式的特点,设计了一种适合于该种组合定位的算法,该新算法能够解决诸多的传统整周模糊度算法无法解决的问题,提高计算效率,提高导航定位精度。     

一种MIMO-OFDM系统的信道估计算法

导频辅助的最小平方（LS）算法是MIMO—OFDM系统中常用的信道估计方法,特点是易于实现,但精度不高。基于最小均方误差（MMSE）的信道估计算法性能较好,但复杂度高,难以实现。提出了一种基于离散傅里叶变换（DFT）的信道估计算法,首先将LS信道估计循环前缀长度以外的时域响应值置零,然后选择重要路径,再通过计算参考导频的相位偏移量来进行补偿,最终实现信道的估计。算法能够满足一定的估计精度,且便于实现。仿真数据证明了算法的有效性。     

用DCT进行最小二乘相位估值的求解

已知相位差进行相位估值，在干涉雷达，自适应光学，补偿式成像，图象处理等方面起着关键作用。文中以２－范数的概念，推证了最小二乘相位估值问题可以转化成泊松方程，并用离散余弦变换（ＤＣＴ）的方法进行求解，效果很好。     

基于椭圆假设的分步迭代参数估计法的应用

基于椭圆假设的参数估计目前是解决数字式磁罗经误差校正问题的较为先进的方法,然而对该方法中的非线性参数估计问题采取了扩展卡尔曼滤波的办法来解决,这造成误差在测量过程中的发散。本文提出了分步迭代参数估计算法来解决此问题的思路,即把待估计的非线性参数组合成线性参数,用卡尔曼滤波进行状态估计后,通过Gauss-Newton法解得原非线性参数。实验结果证明了新方法的优越性。     

基于参数估计的多传感器数据融合

探讨具有随机扰动的环境中同一特征的不同传感器测量值的融合问题，并在理论上给出了基于参数估计的多传感器融合算法，分析了正态分布数据的融合计算公式，并提出以数据探讨技术中的分布图方法来获得一致的传感器数据，从而提高了算法的鲁棒性。     

基于Bayes参数估计的垃圾邮件过滤算法研究

朴素Bayes邮件过滤算法由于简单、易于理解,已被人们广泛接受,并应用到一些商用邮件系统当中.但面对目前垃圾邮件问题依然严重的现状,人们逐渐开始认识到采用简单的朴素Bayes邮件过滤算法已不能满足现有邮件过滤的性能要求.Bayes网络一直以来作为知识发现的一个重要分支,是人们研究的热点;邮件过滤问题也可以映射到一个Bayes决策网络模型中.通过构建针对邮件过滤的Bayes决策网络模型,并经过概率学习对关键节点作Bayes参数估计,可以实现邮件的概率分类发现.邮件样本试验结果表明新算法与朴素Bayes邮件过滤算法相比具有更快的收敛速度和更高的稳定性.     

基于遗传算法的分段Chen系统的参数估计

对比研究了单种群遗传算法和多种群遗传算法在分段Chen系统参数估计中的应用,通过构造一个合适的适应度函数,将Chen系统的多参数估计问题转化成一个多参数的寻优问题,利用遗传算法全局寻优性对其进行计算。仿真结果表明,相对于采用单种群遗传算法估计分段Chen系统参数,多种群遗传算法在准确性、鲁棒性方面具有明显的优势。     

基于FFT幅度和相位插值的频率估计改进算法

针对基于FFT的插值算法在信噪比较低或信号的实际频率与估计频率之间的相对偏差较小时,存在插值方向错误的情况,通过结合其中分段相位差法与Rife算法的优点提出了一种改进算法,该算法可以解决在低信噪比情况下当估计偏差δ接近零时,Rife算法估计误差较大、而当δ接近0.5时相位差法误差大的问题。算法仿真实验结果表明：改进算法在低信噪比条件下的频率估计精度高于Rife算法和分段相位差法,稳定性也比较高,具有很好的应用价值。     

差分模型参数递推估计的Householder变换法

本文提出了利用Householder变换进行差分模型参数递推估计的新方法.并由该方法导出了新的递推最小二乘法、递推增广矩阵法、递推广义最小二乘法、递推极大似然法. 文中分单变量、多变量两种情况重点讨论了新递推最小二乘法及其与传统递推最小二乘法的比较,并给出了计算实例.     

参数估计算法在汽车动态称重中的应用

介绍了PC机平台上汽车动态称重系统,主要使用数字滤波方法滤除干扰,对滤波后波形调整后使用参数估计算法进行信号处理,准确的提取出静态轴重信号。实测数据的处理结果证明了方法的有效性。     

基于GPS探测车的道路交通状态估计技术*

应用车载GPS探测车的运行数据来估计道路交通状态是目前交通检测领域的新技术.从该技术基本概念出发,重点对其中的数据采集和交通参数估计问题进行了探讨.结合英国浮动车数据系统(FVD)数据采集的优化模式及目前探测车最小覆盖率的研究,讨论了数据采集的效率与样本大小的问题.分析了目前典型的GPS探测车交通参数估计模型,如多元回归、神经网络、模糊推理及速度积分等模型.对该技术的进一步发展及在我国的应用前景进行了分析和展望.