基于区间全局优化的非线性最小二乘估计

分析了使用区间全局优化算法进行非线性系统模型参数估计的原因,介绍了非线性最小二乘估计和区间全局优化算法.在非线性系统模型参数估计中,相对于通过优化目标函数求得待估参数点估计的现有算法,基于区间分析的区间全局优化算法不仅可以求得待估参数的点估计,还可得到肯定包含待估参数真值的估计区间,并且该算法还具有计算结果稳定以及更大范围收敛的性质.通过仿真实验并与其他方法进行比较,结果表明算法的可行性和有效性.     

一种非线性回归模型参数估计的混合基因算法

提出了一种新的结合可变多面体法和基因算法的混合基因算法(HGA),它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,较好地解决了基因算法在达到全局最优解前收敛慢的问题。非线性回归模型参数估计的实验表明该算法具有较好的通用性和有效性。     

一种收敛于全局无偏最优解的非线性自回归（NAR）预测

本文研究了基于Ｖｏｌｔｅｒｒａ级数展开的非线性自回归预测模型的参数估计问题，从线性自适应ＩＩＲ波滤输出误差算法的观点，研究ＮＡＲ模型的参数估计问题，利用平均收敛条件，提出一可收敛于全局无偏最优解的新算法，解决了一般的预测误差算法的有偏解问题。     

一种新的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,本文将区间算法和遗传算法进行融合,给出了一种区间-遗传算法,该算法保留了传统区间优化算法简单、对问题本身信息要求不高的优点.重要的是在每次迭代中区间算法为遗传算法的搜索提供可靠区域,同时遗传算法为区间算法的区间分裂提供了一个方向、为区间删除给出了问题全局最优解的一个上界.最后给出了算法的收敛性证明,数值实验表明该算法相比传统区间优化算法有较高执行效率.     

基于子空间迭代的Prony模型参数估计

 在Prony模型满足充分必要条件的非线性最小二乘最优解的基础上,给出了Prony模型基于子空间迭代的非线性最小二乘参数估计(ISNLSE).基于对最优解几何结构的认识,导出了一个合理的"收敛控制条件",并构造了一个充分有效的算法;既加深了对问题求解的认识,又大大地改进了算法的收敛性和有效性.最后,用一个简单的例子阐明这一迭代过程,其结果和"扩充的ESPRIT算法"的结果作了比较.     

基于区间值相似度的模糊推理算法

模糊推理最基本的模型是模糊假言推理和模糊反驳推理.本文是在区间值模糊集层面解决区间值模糊假言推理和区间值模糊反驳推理问题,给出基于区间值相似度的模糊推理算法.首先,基于区间值t-可表示三角范数诱导的区间值剩余蕴涵,给出一种区间值相似度;其次,研究基于区间值相似度的模糊推理算法,给出算法解的表示形式;证明基于区间值相似度的模糊推理算法具有还原性;最后,研究基于区间值相似度的广义模糊推理算法.本文提出的基于区间值相似度的模糊推理算法可应用于模式识别与多属性决策等领域.     

非凸投影自适应Hammerstein滤波算法

该文研究了Hammerstein系统参数辨识和非线性系统预测问题,提出一种基于非凸投影的自适应滤波算法。论文将问题归结为具有非凸可行域的约束优化问题,并建立了基于交替方向乘子法(ADMM)和递归最小二乘相结合的算法框架。在该算法框架下,非凸约束优化问题的全局最优解可通过岭回归和欧几里得(Euclid)投影循环计算得到。将提出的算法分别应用于Hammerstein系统的参数辨识、非线性未知系统预测以及非线性声学回声消除,并进行仿真实验,结果显示所提算法具有较好的收敛性和稳定性,能够得到较准确的辨识和预测效果。     

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向（DOA）估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足“预估分布”的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。      

基于遗传-细菌觅食组合算法的非线性模型优化

文中提出一种遗传-细菌觅食组合优化算法以解决非线性模型优化问题。该方法先使用遗传算法进行全局搜索,并缩小最优解的搜索范围;再使用细菌觅食优化算法在该局部范围内执行局部搜索。这种组合搜索策略可以增强算法的收敛性,并能有效地均衡全局搜索和局部搜索。文中利用单峰、多峰和复杂多峰等非线性函数模型验证所提算法的性能。实验结果表明,组合算法的计算精度和效率分别比遗传算法和细菌觅食优化算法提高了30%和50%,表明该组合算法具有更快的收敛速度,更高的求解精度,适用于大规模多极值的非线性问题。     

基于蚁群算法的仿射变换参数求解

仿射变换参数估计是图像配准的基于蚁群算法的仿射变换参数估计方法,针对蚁群算法求解多维连续优化问题的不足,将仿射变换参数空间划分成若干子域,改进蚁群的搜索方法和信息素更新方法,快速搜索全局最优解,实验结果表明,该算法能够有效地估计仿射变换参数.     

区间卡尔曼滤波算法在参数估计中的应用

卡尔曼滤波算法除了用于动态系统的状态估计外,还可以用于动态系统参数的在线估计．特别是时变参数的估计。传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时将无法直接应用。在区间分析的基础上,通过将不确定系统建成区间模型,在其他假设条件与标准卡尔曼滤波相同的前提下,分析了一种处理系统参数不确定性的区间卡尔曼滤波算法,并对其在参数估计方面的应用进行了探讨。     

应用粒子群优化的非线性系统辨识

提出了一种应用粒子群优化的非线性系统辨识方法。首先将非线性系统的辨识问题转化为参数空间上的优化问题,然后利用粒子群优化算法对整个参数空间进行高效并行搜索以获得系统参数的最优估计。以Hammerstein模型的辨识为例说明了本方法的可行性。     

基于粒子群优化算法的Logistic模型参数估计

将Logistic模型的参数估计问题转化为一个多维无约束函数优化问题,然后利用粒子群优化算法(PSO)的全局搜索能力对此问题求解.仿真实验中所使用的数据包括真实数据和随机采样数据.实验结果表明,在这两种数据条件下PSO算法均能够较准确地估计获得Logistic模型的参数,证实了PSO算法是Logistic模型参数估计的一种可靠有效的算法.同时也分析了参数维数和噪声对PSO算法的收敛性和稳定性的影响.     

基于凸松弛全局优化算法的视觉测量位姿估计

针对参考点存在较大噪声时基于光束法平差的视觉测量位姿估计无法确保目标函数在全局极小处收敛,本文提出利用凸松弛（LMI）全局优化算法进行视觉测量全局最优位姿估计。利用归一化图像点和摄像机光心组成的正交投影矩阵,构造以旋转矩阵四元数为参数的物空间误差目标非凸多项式函数。对非凸多项式进行LMI,可以逼近其全局极小值,进而求解...     

广义K分布杂波模型参数估计

假设杂波散斑分量和幅度调制分量均服从广义Gamma分布是广义K分布杂波模型的前提条件.本文以参数解耦技术为突破点,提出了一种杂波模型参数估计算法,将一个四维非线性最优化问题转化为一个一维最优化问题,从而降低了计算量和所需样本数,提高了估计性能.仿真结果验证了算法的有效性与准确性.     

基于ADMM的间歇采样转发式干扰的参数估计

间歇采样转发式干扰与雷达发射信号相参,可以获得部分脉压增益,具有极强的干扰效果,亟需有效的干扰先验知识对抗。针对该问题,本文根据间歇采样转发干扰脉冲压缩后的结果,构造出含有加窗向量的非线性整数优化模型,将参数估计问题转化为向量估计问题,然后利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)将非线性整数优化模型分解为整数归整模型和连续模型,求解出加窗向量,实现切片宽度和数量的估计。最后计算机仿真验证了该方法的有效性。     

Optimal Weight and Parameter Estimation of Multi-structure and Unequal-Precision Data Fusion

Measured data fusion process is an effective way to improve the data process precision. In this paper, the fusion weight is firstly introduced, and then we study the optimal weight and parameter estimation using multistructure and unequal-precision data fusion. For the linear regression model, it is theoretically proved that the optimal weight is only related to the data measure precision, which is consistent with the classical Gauss-Markov theorem. For the nonlinear regression model, we analyze the method for calculating the optimal weight theoretically, and then provide the algorithm for the optimal weight and the parameter estimation for the actual data fusion.     

基于权重一致性优化的实时Marginalized粒子滤波算法

针对Marginalized粒子滤波中随机量测噪声对于非线性状态估计精度的不利影响以及线性状态估计中计算量较大问题,提出了一种基于权重一致性优化的实时Marginalized粒子滤波算法.首先,结合量测系统建模中先验信息的提取和利用,通过粒子权重间一致性距离和一致性矩阵的构建,提出了量测提升策略下权重的一致性优化方法,以改善粒子滤波在非线性状态估计中的滤波精度.其次,通过对Marginalized粒子滤波实现中时间更新和量测更新环节的结构优化,给出了实时Marginalized粒子滤波,以降低蒙特卡罗仿真实现下卡尔曼滤波在状态线性估计中的计算复杂度.最后,在两者的动态结合基础上给出了新算法具体实现步骤.利用基于单站雷达目标跟踪仿真场景,分析了算法性能.理论分析和仿真实验结果验证了算法的可行性和有效性.