带插值条件的移动最小二乘曲线拟合

提出一种带插值条件的移动最小二乘曲线拟合方法.首先考虑带插值条件的最小二乘拟合,构造新的带插值条件最小二乘拟合方法,它具有拟合函数次数低、计算方便等优点.然后,将该方法推广到移动最小二乘拟合中,得到带插值条件的移动最小二乘曲线,实验结果表明该方法拟合效果更好.     

基于RGB熵和改进区域生长的非结构化道路识别方法

非结构化道路通常没有车道线等引导标线,且边界模糊,周围干扰因素较多,在这种道路上自动驾驶以及车辆辅助驾驶的车道保持功能将不能可靠工作。通过生成道路RGB图像的熵图像,并计算此熵图像直方图的最小差值,以此差值作为阈值初步分割道路图像并使用改进区域生长方法提取出道路区域。使用实时性较好的二次曲线建立车道模型,并使用改进的最小二乘拟合方法可有效避开道路区域边缘杂点并提高边缘拟合速度。试验结果表明,改进的方法可以快速并较好地提取出非结构化道路图像中的车道并拟合出车道线,有利于实现基于视觉的自动驾驶和车辆辅助驾驶系统在非结构化道路上的车道保持。     

基于线性双曲线模型的车道线检测算法

提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中Canny边缘检测算子对阴影及光照变化较为敏感的缺点,该文对灰度图像进行二维FIR滤波之后,采用大津法实现可靠的车道边缘检测;然后利用Hough变换初步获得车道中线及消失点坐标,在此基础上采用Mid-to-Side策略进一步从边缘图像中提取车道的边界点,最后采用最小二乘拟合方法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准确性。     

ＧＰＳ高程拟合的不同估计方法比较

通过ＧＰＳ高程异常平面拟合实例,系统地介绍了最小二乘估计、总体最小二乘估计、稳健最小二乘估计、稳健总体最小二乘估计、半参数估计等５种估计方法的原理和特点,比较了它们的识别模型参数、减弱系统误差、抵御粗差和不同类型误差的能力。结果表明：总体最小二乘估计在ＧＰＳ高程拟合中稳定性较弱,ＩＧＧⅢ抗差方案会放大随机模型误差对平面拟合模型的影响,半参数估计只有在系统误差存在下与最小二乘估计参数值相差大,最小二乘估计在高程拟合中精度最高。     

带二阶Hermite插值条件的最小二乘估计

颜宁生（颜宁生．带Hermite插值条件的最小二乘估计[J]．大学数学学报：2011,27（5）：80—84．）研究了带Hermite插值条件的最小二乘估计。本文在此基础上,进一步考虑提高函数的光滑度即插值点存在二阶导数的插值,并提出了带二阶Hermite插值条件的最小二乘拟合问题,进而给出了带二阶Hermite插值条件的最小二乘拟合的拟合曲线的具体表达式。最后利用Lingo建模语言设计了求解带二阶Hermite插值条件的最小二乘拟合的拟合曲线参数的程序。     

最小二乘法应用探讨

探讨了最小二乘法的基本原理及其各种变形的拟合方法,其中包括：一元线性最小二乘法拟合、曲线化直、多元线性拟合、多项式拟合、非线性拟合,并且讨论了用镜像映射和切比雪夫多项式解“病态”矛盾方程组的基本原理和方法,在此基础上编写、调试了几种最小二乘法程序。     

车道线识别系统算法设计及其FPGA实现

针对车道线识别算法复杂、计算量大、软件处理慢等问题,将FPGA并行处理技术与数字图像处理技术相结合,完成车道线识别系统设计．整个系统分为中值滤波、二值化、骨架化、二次滤波拟合四大模块．创新性提出了“双对分最大类间方差滤波迭代算法”实现图像二值化阈值选取;另提出“基于行逼近的最小二乘曲线拟合算法”以完成次近景的车道线提取;并对直线识别算法进行改进以完成近景的车道线提取．仿真结果表明本算法识别准确,符合实际路况,且可满足系统实时性要求．     

带插值条件的最小二乘法

提出了带插值条件的最小二乘拟合问题,并给出了带插值条件的最小二乘拟合曲线的具体表达式.     

基于最小二乘的曲面拟合算法研究

提出了一种基于最小二乘的曲面拟合算法,详细介绍了最小二乘法的原理和方法及其应用。采用该算法进行曲面拟合,使拟合的曲面具有精度高,光滑性好的优点。通过弗格森双三次曲面为研究模型来建立最佳的拟合参数。实验结果表明此算法具有良好的拟合效果,模拟曲面真实。目前利用最小二乘来处理拟合问题已经得到了广泛的应用。     

最小二乘法拟合直线公式的初等推导

为了帮助学生快速准确地掌握最小二乘法拟合直线的实验数据处理方法,用初等数学方法推导最小二乘法拟合直线公式.     

一种用于径向基函数（RBF）神经网络训练的有效方法

提出了一种用于径向基函数神经网络训练的新方法，即Ｇａｕｓｓ－Ｊｏｒｄａｎ与广义逆的复合法。仿真结果表明，此方法训练速度快，实时性强，其收敛性和收敛严谨的比正交最小二乘算法效果好。     

多天线系统下信道估计算法及性能分析

在多天线系统下对信道估计算法进行研究。比较最小二乘算法(Least Square,LS)和最小均方误差算法(Minimum Mean Square Error,MMSE)在多天线(MIMO)系统中的性能,并在二者的基础上,论述一种能够降低计算复杂度的松弛最小均方误差(RMMSE)估计方法。通过发送正交导频序列对RMMSE估计算法的性能进行仿真,并对其算法复杂度进行分析比较。结果表明,在保证一定性能的前提下,RMMSE算法复杂度可适当降低,这说明RMMSE估计算法具有较好的估计性能以及较低的计算量。     

基于最小一乘的单因变量偏最小二乘算法

偏最小二乘回归能较好地解决自变量间的多重共线问题，最小一乘法比最小二乘法能更有效地降低回归模型的误差。本文提出的改进的偏最小二乘回归将这两种方法结合起来，在偏最小二乘回归过程中利用最小一乘法建立因变量对提取的自变量成分的多元回归模型。算例表明改进的偏最小二乘回归算法的预测精度较高。     

RLS算法智能天线空时联合均衡技术

建立了一种空时信号传输模型,分析对比了递归最小二乘(RLS)和最小均方误差(LMS)两种算法后,提出了一种基于RLS算法,由智能天线和时域均衡器组成的采用后馈滤波器的空时联合均衡器,仿真结果表明,在多径衰落信道下该方法能有效改善系统抗干扰能力,算法简单且易于实现。     

一种基于最小二乘法实现TIS相对导航的算法

针对TIS相对导航原理提出了一种基于最小二乘的滤波算法,并针对TIS分时测距的特点,提出了相应的解决办法。经过仿真验证,该算法能满足定位要求,且算法实现简单、效率高、适应性好等特点。     

一种改进的快速自适应滤波算法

为了解决传统自适应滤波最小均方(Least Mean Square,LMS)算法中收敛速度与稳态误差之间的矛盾,提出了一种改进算法。该算法在已有变步长LMS算法基础上,引入遗忘因子来影响步长的更新。仿真表明,改进后的算法比原算法不但具有更快的收敛速度,而且具有更小且稳定的稳态误差。     

MIMO-OFDM系统中一种有效的信道估计方法

提出了一种MIMO-OFDM(Multiple Input and Multiple Output-Orthogonal Frequency Division Multi-plexing)系统中的信道估计实现方案.该算法采用STBC(Space-Time Block Code)训练序列,利用LMS(Least Mean Square)迭代算法估计信道响应,避免了矩阵的求逆运算,与基于MMSE(Minimum MeanSquare Error)的MIMO信道估计算法相比,具有运算复杂度低、跟踪能力强的优点.计算机仿真结果显示了该算法的有效性和优越性.     

机动目标时差无源定位自适应滤波算法研究

基于加权最小二乘估计和卡尔曼滤波理论,采用时变均值修正瑞利分布密度函数描述机动目标加速度的统计分布规律,构造机动目标加速度“当前”统计模型,建立一种新的自适应卡尔曼滤波算法,计算机仿真结果验证了该算法的有效性、可行性。     

基于变分贝叶斯推断的半盲信道估计

现有MIMO中继通信系统中,基于张量分解的半盲信道估计不能有效地将信道先验信息引入估计过程中,为此提出一种基于变分贝叶斯推断的信道估计算法.该算法首先利用NP(Nested PARAFAC)张量模型,引入有效精度、噪声精度等隐性超参数,建立信道估计概率图模型;由于所求信道参数后验概率分布较为复杂,传统最大似然和最大后验等点估计方法难以实现,算法采用变分贝叶斯推断,推导出信道矩阵、有效精度及噪声精度的递推公式,使具有因子分解形式的q分布逼近所求信道参数的后验分布;并分析了模型证据的下界、模型的初始化及算法复杂度等.该算法能利用信道先验信息以提高信道估计性能,有效精度和噪声精度等参数可自动调节,且计算复杂度与数据的维度呈线性关系.仿真结果表明:在平稳瑞利衰落信道条件下,与基于交替最小二乘(Alternating Least Square,ALS)的半盲估计算法相比,算法的计算复杂度较低,收敛速度较快;与带监督序列的双线性最小二乘(Bilinear Alternating Least Square,BALS)非盲估计算法,基于ALS及非线性最小二乘(Nolinear Least Square,NLS)的半盲估计算法相比,算法具有较高的估计精度.     

基于遗传算法的自适应滤波器设计与实例仿真

LMS算法是自适应滤波器最为常用的算法,该算法比较简单,但决定其收敛速度和稳定性的学习速率难以确定;遗传算法是一种高度并行的全局搜索方法,能够有效地用于自适应滤波器的权系数寻优.文章讨论了基于遗传算法的自适应滤波器的设计过程,并作为一个应用实例,将其应用于线性系统辨识中,取得了较好的仿真结果.