最小二乘法集合成员辩识

该文研究集合成员辩识方法,并利用最小二乘法（LSmethod）进行集合成员辩识。这个方法的特点是辩识在时域进行,先利用最小二乘法作为计算工具,辩识出实际系统的标称模型,然后求出可行参数集。本方法计算量小,可行参数集比文献[3]的要小。     

T-S模型的遗传算法和支持向量机辨识

基于非线性系统的输入输出数据,辩识对象的T-S模型.提出基于遗传算法和最小二乘支持向量机的辨识方法,利用遗传算法聚类进行结构辨识,每个类代表一条规则,规则数等于类数量,类中心作为该规则的隶属度函数中心类数;同时考虑模型辨识精度,实现全局优化;参数辨识采用基于结构风险最小化的最小二乘支持向量机方法,综合考虑模型复杂度和辨识误差.仿真结果证明了算法的有效性,辨识精度高,泛化能力强.     

一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

基于辅助模型和数据滤波的伪线性回归系统参数估计方法

针对伪线性输出误差回归系统的辨识模型新息信息向量存在不可测变量的问题,首先通过构造一个辅助模型,用辅助模型的输出代替未知中间变量,推导得到的基于辅助模型的递推最小二乘参数估计算法计算量较大,但算法的辨识效果不佳。进一步采用估计的噪声模型对系统观测数据进行滤波,使用滤波后的数据进行参数估计,从而推导提出了基于数据滤波的递推最小二乘参数估计算法。仿真结果表明,所提算法能够有效估计伪线性回归线性输出误差系统的参数。     

正则化最小二乘分类的AlignLoo模型选择方法

正则化最小二乘分类（RLSC）是一种基于二次损失函数的正则化网络,其推广能力受模型参数影响,传统的模型选择方法是耗时的参数网格搜索．为此,提出一种新颖的AlignLoo模型选择方法,其关键在于将核参数与超参数分开优化,即最大化核-目标配准以选择最优核参数,最小化RLSC的留一法误差的界以选择最优超参数．该方法效率高且不需验证样本,并在IDA数据集上进行了测试,结果表明方法有效．     

UD分解与偏差补偿结合用于变量带误差模型辨识

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.     

基于辅助模型和数据滤波的伪线性回归系统参数估计方法

针对伪线性输出误差回归系统的辨识模型新息信息向量存在不可测变量的问题,首先通过构造一个辅助模型,用辅助模型的输出代替未知中间变量,推导得到的基于辅助模型的递推最小二乘参数估计算法计算量较大,但算法的辨识效果不佳。进一步采用估计的噪声模型对系统观测数据进行滤波,使用滤波后的数据进行参数估计,从而推导提出了基于数据滤波的递推最小二乘参数估计算法。仿真结果表明,所提算法能够有效估计伪线性回归线性输出误差系统的参数。     

基于UWB的井下人员定位算法研究

针对井下高实时性、高精度的人员定位需求,研究了基于超宽带（UWB）的井下人员定位算法。采用双边双向测距（DS-TWR）方式测量定位基站与定位标签的距离,该方式不需要定位基站与定位标签系统时钟同步,从源头上提高了定位精度。根据测距信息,采用加权最小二乘（WLS）算法和CHAN两种位置解算算法估算定位标签的坐标,通过静态实验和动态实验对2种算法的性能进行对比分析,并通过均方根误差和误差累计分布函数（CDF）综合评估定位精度。实验结果表明：静态实验时,CHAN算法和WLS算法的均方根误差分别为5.878 6,8.007 4 cm,CHAN算法的均方根误差比WLS算法低26.59%;动态实验时,CHAN算法和WLS算法的均方根误差分别为12.292 3,21.180 9 cm,CHAN算法的均方根误差比WLS算法低41.97%;CHAN算法的定位精度高于WLS算法,更加适用于煤矿井下人员定位。     

基于序贯最小二乘的多传感器误差配准方法

为实时估计多传感器系统偏差,针对广义最小二乘(GLS)配准方法不能实时估计传感器偏差的问题,提出了基于序贯最小二乘的多传感器误差估计方法,该方法在GLS配准模型基础上,采用最小二乘的序贯方法来估计系统偏差,不必存储过去的测量数据,能够实时估计系统偏差。仿真结果表明了该方法的有效性。     

多元宇宙优化算法优化WLSSVM的网络流量预测

高精度网络流量预测可以帮助管理人员了解网络流量变化态势,提高网络系统的稳定性,为了降低网络流量预测的误差,提出了基于多元宇宙优化算法优化加权最小二乘支持向量机的网络流量预测模型。首先采用网络流量历史数据,将其作为加权最小二乘支持向量机的输入向量,然后利用多元宇宙优化算法对加权最小二乘支持向量机参数寻优,从而得到最优的网络流量预测模型,最后采用具体网络流量预测应用实例对模型性能进行测试与分析,结果表明本模型可以准确描述网络流量的变化规律,预测误差很小,完全能够满足网络管理实际要求,相对于其他预测模型,本模型的网络流量预测精度得到了有效提高。     

加速度计几种模型辨识方法的比较研究

加速度计离心试验中,为了更精确的得到加速度计的模型系数,比较研究了3种辨识方法:最小二乘方法(加权最小二乘)、总体最小二乘方法和EV模型方法.通过仿真得出在输出噪声和输入噪声为白噪声或者近似白噪声且离心机精度优于1×10-5的情况下,最小二乘与其他2种辨识方法辨识精度相当.最后通过试验对比了最小二乘方法与加权最小二乘方...     

Robust estimation of BRDF model parameters

The effect of the Bidirectional Reflectance Distribution Function (BRDF) is one of the most important factors in correcting the reflectance obtained from remotely sensed data. Estimation of BRDF model parameters can be deteriorated by various factors; contamination of the observations by undetected subresolution clouds or snow patches, inconsistent atmospheric correction in multiangular time series due to uncertainties in the atmospheric parameters, slight variations of the surface condition during a period of observation, for example due to soil moisture changes, diurnal effects on vegetation structure, and geolocation errors [Lucht and Roujean, 2000]. In the present paper, parameter estimation robustness is examined using Bidirectional Reflectance Factor (BRF) data measured for paddy fields in Japan. We compare both the M-estimator and the least median of squares (LMedS) methods for robust parameter estimation to the ordinary least squares method (LSM). In experiments, simulated data that were produced by adding noises to the data measured on the ground surface were used. Experimental results demonstrate that if a robust estimation is sought, the LMedS method can be adopted for the robust estimation of a BRDF model parameter.     

飞机颤振模态参数辨识的频域广义整体最小二乘算法

采用一种适用于噪声环境的广义整体最小二乘算法,准确地辨识飞机的颠振模态参数．该算法结合有理传递函数模型,将带噪系统的辨识问题转化为广义整体最小二乘问题．利用线性的广义奇异值分解求解模型系数,避免了非线性优化的复杂计算．通过迭代法更新加权项,获得了接近于极大似然估计的辨识效果．最后利用试飞试验数据辨识飞机的模态参数,验证了该方法的有效性．     

A majorization algorithm for simultaneous parameter estimation in robust exploratory factor analysis

A new approach for fitting the exploratory factor analysis (EFA) model is considered. The EFA model is fitted directly to the data matrix by minimizing a weighted least squares (WLS) goodness-of-fit measure. The WLS fitting problem is solved by iteratively performing unweighted least squares fitting of the same model. A convergent reweighted least squares algorithm based on iterative majorization is developed. The influence of large residuals in the loss function is curbed using Huber’s criterion. This procedure leads to robust EFA that can resist the effect of outliers in the data. Applications to real and simulated data illustrate the performance of the proposed approach.     

Systematic robustness analysis of least squares mobile robot velocity estimation using a regular polygonal optical mouse array

This paper presents the robust velocity estimation of an omnidirectional mobile robot using a regular polygonal array of optical mice that are installed at the bottom of a mobile robot. First, the velocity kinematics from a mobile robot to an array of optical mice is derived, from which the least squares estimation of the mobile robot velocity is obtained as the simple average of the optical mouse velocity readings. Second, it is shown that a redundant number of optical mice contributes to the robustness of the least squares mobile robot velocity estimation against both measurement noises and partial malfunction of optical mice. Third, the sensitivity analysis of the least squares mobile robot velocity estimation to imprecise installation of optical mice is made, from which a practical method of optical mouse position calibration is devised. Finally, some experimental results using commercial optical mice are given to demonstrate the validity and performance of the proposed mobile robot velocity estimation. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

一种改进的模糊PLS模型在软测量中的应用

针对石油化工过程的特点,提出一种改进的模糊部分最小二乘的建模算法。该算法先用减法-模糊C均值聚类进行模糊结构辨识,然后用高斯核函数实现非线性PLS并且用其进行后件参数辨识,即得到多个子模型,再将各模型输出的数据进行隶属度加权求和得到最终的估计输出。最后,将该方法应用于航煤干点的估计,仿真结果表明该算法更有效,预测精度更高。     

基于RSSI混合滤波和最小二乘参数估计的测距算法

针对基于RSSI的无线传感器网络定位测距问题,在对数-常态分布模型下提出了一种混合滤波及最小二乘环境参数动态估计的测距算法。以锚节点作为参考节点,采用基于均值滤波、中值滤波和高斯滤波的混合滤波方法优化RSSI值,运用最小二乘法估计环境参数,再由盲节点与锚节点的RSSI混合滤波优化值计算二者之间的距离。仿真结果表明,混合滤波性能优于其它单一滤波方法,环境参数估计相对误差小于2.5%,空旷环境下100 m范围内测距相对误差小于10%,满足无线传感器网络定位测距要求。