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。     

LMS和RLS自适应滤波算法对比研究

介绍了自适应滤波器的基本原理,对最小均方(LMS,Least Mean Squares)和递归最小二乘(RLS,Recursive Least Squares)自适应算法进行仿真分析及对比研究.仿真结果及实例均表明,两种算法都能有效抑制和抵消各种干扰,但相比之下,RLS算法具有更好的收敛性能及稳定性.     

回归系数的t-k类估计

在线性回归中,当设计矩阵的列向量间存在复共线性时,回归系数的最小二乘估计的性质显著变坏．为了消除或减弱复共线性对参数估计的影响,以获得更高精度的参数估计,在均方误差矩阵意义下,提出了回归系数的一类新的估计,即t—k类估计,它是对最小二乘估计的改进,是一种新的压缩有偏估计．并且与最小二乘（LS）估计、岭估计和主成分估计进行比较,给出了在均方误差矩阵意义下,t—k类估计优于这些估计的充要条件以及这些条件的检验方法．     

基于粒子群优化算法的功率倒置阵列

针对功率倒置阵列采用最小均方(LMS)算法不能兼顾收敛速度和稳态误差的问题,以及采用递归最小二乘(RLS)算法运算量增大,实现复杂等缺点,提出采用时变适用度函数的粒子群优化(PSO)算法．通过引入可变的惯性因子、可变的最大速度、选择机制等操作,自适应调整阵列权系数来寻找最优权值．将此算法应用于功率倒置阵列中能有效地生成零陷抑制干扰．     

广义岭型主成分估计优良性研究

对有偏估计中的广义岭型主成分估计的优良性进行了较深入的研究。证明了广义岭型主成分估计优于最小二乘估计的充要条件,并在此基础上对几类常见的有偏估计在均方误差（阵）条件下优于最小二乘估计的充要条件进行了拓展。     

形位误差的最小二乘评定法及其电算

本文叙述了以最小二乘法评定形位误差的特点,提出了各有特点的两种“最小二乘”形位误差解算方法,即线性化逐次迭代法和优化方法(模式搜索法),所编制的电算程序经实测计算表明结果精确而快捷。本文还提出了一个新的评定指标:“最小二乘”均方误差,并对其作了初步的阐述和比较。     

混合操作变参数递归增量估计算法研究

提出了一种新的变参数递归增量估计算法和误差界的概念，并给出了其选择准则。该算法特别适用于跟踪时变系统且计算量与标准递推最小二乘算法相当。在混合系统上的仿真研究验证了本算法的良好性能。     

干涉合成孔径雷达复图像自动配准算法

提出了一种基于曲线特征的干涉合成孔径雷达（InSAR）复图像对的自动配准算法．该算法借助于B-样条拟台特征曲线，利用BFGS拟牛顿法加速最小均方误差拟合．通过相干系数法实现了曲线段的匹配．采用最小二乘法计算仿射变换参数．基于实测数据的实验结果表明．该算法具有精度高、稳健性强和计算复杂性较小的特点．     

方程误差系统的多新息辨识方法

多新息方法可以用于线性系统和非线性系统的自适应滤波、参数估计、自校正控制、自适应故障检测与诊断等.线性系统包括两种基本类型:方程误差类系统和输出误差类系统.本文将多新息辨识应用到方程误差滑动平均(EEMA)系统(即CARMA系统),研究多新息增广随机梯度算法和多新息增广最小二乘算法,应用到方程误差自回归滑动平均(EEARMA)系统(即CARARMA系统),提出基于分解的多新息广义增广随机梯度算法和基于分解的多新息广义增广最小二乘算法,以及基于滤波的多新息广义增广随机梯度算法和基于滤波的多新息广义增广最小二乘算法.     

用于多源信息中制导的MM-LS时间配准算法

针对目标做匀速直线运动以及时间配准周期与雷达采样周期成整数比两个假设限制了最小二乘时间配准算法应用范围的问题,结合多模型的思想,研究了无限制条件下的多模型最小二乘时间配准算法．在推导匀加速模型、加加速模型最小二乘时间配准算法的基础上,由最小均方误差准则得出多模型最小二乘时间配准算法．利用各模型求解得到的一阶、二阶、三阶导数,进一步通过外推算法,解决了时间配准周期与雷达采样周期比为非整数这一问题．仿真表明,当目标的机动过载从1g至9g变化时,雷达的探测误差从10m至100m变化,多模型最小二乘时间配准算法虽然不能取得最好的结果,但是可以确保得到值得信赖的时间配准结果．     

基于最小二乘支持向量机的纳米金免疫层析试条快速定量

通过光电反射式的光路扫描纳米金免疫层析试条测试线和质控线信号,研究基于最小二乘支持向量机的纳米金免疫层析试条快速定量方法,建立遗传算法优化的最小二乘支持向量机纳米金免疫层析试条定量研究方法。该方法对纳米金免疫层析试条甲胎蛋白(AFP)检验样本的统计数据中,样本相对均方差RMSE为12.2%,实验结果表明:遗传算法优化的纳米金免疫层析试条最小二乘支持向量机定量拟合模型有较好的整体性能和局部性能,适用于纳米金免疫层析试条的快速定量。     

FTIR/ATR光谱快速测定糖厂废水COD

利用FTIR/ATR光谱技术建立糖厂废水化学需氧量（COD）的快速测量方法.基于光谱Savitzky-Golay（SG）平滑和偏最小二乘法（PLS）建立光谱优化模型.建立计算机算法平台,把540种平滑模式和1-40的PLS因子数任意组合分别建立SG-PLS模型,预测效果最优的模型平滑模式为2阶导数平滑,6次多项式,51平滑点数,其对应的PLS因子数（F）、预测均方根偏差（RMSEP）和预测相关系数（RP）分别为11,24.4 mg/L和0.968,预测相关很高,并且明显优于未做SG平滑的直接PLS模型.     

多变量方程误差类系统的部分耦合迭代辨识方法

针对多变量方程误差滑动平均系统,利用最小二乘原理和迭代搜索原理,给出了增广随机梯度辨识方法、递推增广最小二乘辨识方法、梯度迭代辨识方法和最小二乘迭代辨识方法.针对多变量方程误差滑动平均系统和多变量方程误差自回归滑动平均系统,将多变量系统分解为一些子系统,利用耦合辨识概念,讨论了梯度迭代辨识方法、部分耦合(子系统)梯度迭代辨识方法、子系统最小二乘迭代方法和部分耦合子系统最小二乘迭代辨识方法.进一步结合数据滤波技术,研究了多变量方程误差自回归滑动平均系统的子系统梯度迭代辨识方法、部分耦合(子系统)梯度迭代辨识方法、部分耦合子系统最小二乘迭代辨识方法.文中给出了几个典型算法的计算步骤.     

垂直分层空时码检测算法性能分析

重点研究垂直分层空时编码技术的几种检测算法,分析最大似然译码算法、QR分解算法以及基于迫零准则和基于最小均方误差准则的两种经典估计算法。为了进一步降低系统误码率,讨论两种经典估计算法与排序逐次干扰消除相结合的方法。MATLAB所得仿真结果表明,将经典检测算法与排序逐次干扰消除相结合,可以提高系统误码率性能。     

基于MMSE的无线OFDM系统信道估计算法

OFDM作为一种多载波调制技术具有很强的抗衰落能力,广泛用于无线通信领域。同时提出一种基于最小均方误差（MMSE）的无线OFDM系统信道估计方法。实验表明,在相同信噪比（SNR）下,采用最小均方误差MMSE算法的误码率比传统的最小平方LS算法的误码率小1个数量级,采用MMSE算法有效地提高了无线OFDM系统信道估计性能。     

基于L-M方法的迭代容积卡尔曼滤波算法及其应用

针对非线性状态估计中受到较大的初始估计误差和量测方程的非线性的影响致使状态估计精度不高的问题,提出了一种新的滤波算法——基于Levenberg-Marquardt方法(简写为L-M)的迭代容积卡尔曼滤波算法(ICKFLM).该算法将容积卡尔曼滤波算法(CKF)的量测更新过程转换为求解非线性最小二乘解问题,以状态预测和方差预测为初始值,使用L-M方法求解最优的状态和方差估计.把基于L-M方法的迭代容积卡尔曼滤波算法应用到弹道再入目标状态估计中,仿真结果表明,相比于CKF算法,新算法的位置估计误差约降低了70%,相比于基于Gauss-Newton方法的迭代容积卡尔曼滤波算法(ICKF)位置误差降低了40%.新算法具有较高的状态估计精度,且收敛速度快.     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个,采集样品在12500～4000cm^-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求．研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的．     

一种适于高维小样本数据的线性判别分析方法

针对高维小样本数据的类（模式）内离散度矩阵常为奇异,提出了一种改进的线性判别分析方法ModLDA。它通过嵌入偏最小二乘算法,完成投影方向矢量的稳健估计,进而提取出若干个特征变量。而后基于特征变量张成的低维空间,构造样本类别的线性判别函数。在实证中,将ModLDA应用于药物光谱数据的化学模式识别,结果显示ModLDA方法判别能力明显优于其他方法。     

LS—SVM算法在光伏短期功率预测中的应用

以光伏阵列为研究对象,分析了辐照强度、温度以及日类型对光伏阵列出力的影响。建立了光伏短期功率预测最小二乘支持向量机LS-SVM模型。依据实验数据对模型进行了验证计算．并与BP神经网络模型做了比较,其中LS-SVM模型最大相对误差值为10．54％,平均绝对百分比误差（MAPE）为8．18％,绝对误差平方和平均值的均方根（RMSE）为0．4884,表明模型预测值离散化程度较小,所有预测点均与实际值非常接近,模型具有较好的拟合效果和泛化能力．可以有效地预测短期光伏发电功率。     

基于PAST子空间跟踪算法的DCMMSE盲多用户检测

阐述了基于子空间跟踪算法的数据压缩最小均方误差(DCMMSE)盲多用户检测的基本原理.将PAST子空间跟踪算法应用于DCMMSE盲多用户检测,发现PAST子空间跟踪算法具有自然的数据压缩结构,适于DCMMSE盲多用户检测,在几乎不增加运算量的情况下即可实现DCMMSE盲多用户检测.仿真实验表明:基于PAST子空间跟踪算...