基于共线和交叉点融合数据的高度计海况偏差参数模型的研究

海况偏差参数校正模型根据其采用的数据集可分为交叉点模型和共线模型,两者各有优劣。对交叉点和共线数据集进行融合建立融合数据集,并对融合数据集、交叉点数据集和共线数据集进行比对,结果表明：融合数据集具有时效性高、覆盖范围广、数据样本取值范围大的优点。其空间分辨率可以满足卫星雷达高度计观测需求。采用融合数据集计算得到模型的解释方差比其他两种高,说明该模型有效性更好。     

HY-2高度计海况偏差非参数估计模型研究

基于HY-2高度计数据,采用局部线性回归非参数估计方法,利用球谐核函数及局部可调带宽,对70和71周期的交叉点进行海况偏差非参数估计。依据解释方差、海况偏差与有效波高及风速的相关度和模型残差分析,检验评价模型。与相同数据集下的参数模型估计结果进行了分析比对,结果表明:所选定的非参数模型的海况偏差与有效波高和风速的相关度均处于较高水平,说明模型更为有效。在不同纬度段,非参数模型和参数模型各有所长,在北半球高纬度区域,非参数模型表现更优。     

随机线性多变量系统参数估计的偏差校正法

在文［６］研究的基础上，把文［６］中提出的偏差补偿最小二乘法（ＢＥＬＳ）推广到多变量线性系统的辨识中。分析表明，只要有色噪声与系统的输入信号统计不相关，我国总可以通过对输入信号顶滤波的方法将已知零点嵌入到被辨识系统中，然后利用这些零点提供的信息消除噪声引起的辨识偏差。这种方法的特点是其辨识过程不依赖于有色噪声的模型。     

Box-Jenkins模型偏差补偿方法与其他辨识方法的比较

对于存在相关噪声干扰的Box—Jenkins系统,本文借助于偏差补偿原理,推导了一个偏差补偿最小二乘(BCLS)辨识方法;理论分析说明BCLS方法能够给出系统模型参数的无偏估计,并将提出的方法与递推增广最小二乘算法和递推广义增广最小二乘算法进行了比较研究;用仿真试验分析了这些算法的各自特点和适用范围。     

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。     

基于偏差消除最小二乘估计和Durbin方法的两阶段ARMAX参数辨识

针对带有外生变量的自回归移动平均模型(Autoregressive moving average with exogenous variable, ARMAX)的参数辨识问题提出一种两阶段辨识方法. 首先通过偏差消除最小二乘方法辨识带有外生变量的自回归部分(Autoregressive part with exogenous variable, ARX),然后采用Durbin方法将移动平均部分(Moving average, MA)的参数辨识问题转换成一个长自回归模型(Long autoregressive, LAR)的参数辨识问题, 并利用MA与等价LAR的参数对应关系直接得到MA参数, 最后利用辨识出的MA参数计算出噪声方差. 与扩展最小二乘法的数值仿真比较验证了这种两阶段辨识方法的有效性.     

有色噪声干扰输出误差系统的偏差补偿递推最小二乘辨识方法

借助于偏差补偿原理和预滤波思想, 推导了有色噪声干扰输出误差系统参数估计的偏差补偿递推最小二乘 (Bias compensation recursive least squares, BCRLS) 辨识方法. 该方法降低了辨识对输入信号平稳性的要求, 实现了偏差补偿方法参数估计的递推计算, 可以用于在线辨识. 提出的递推 BCRLS 辨识方法优于非递推偏差补偿最小二乘算法, 提高了参数估计精度. 仿真试验证实了算法的有效性.     

基于偏差矩阵的3D SLAM位姿图优化算法

位姿图优化(pose graph optimization, PGO)是3D SLAM(simultaneous localization and mapping)后端优化方法之一,其精确求解依赖于良好的初始值。针对PGO噪声数据集初始化,首先提出一种新的PGO目标公式——CN(chordal with noise)模型,此模型考虑噪声影响下产生的旋转偏差,将偏差矩阵设为参数;其次,提出ORDM(optimize rotation with the deviation matrix)算法求解CN模型,此算法在位姿图子图中,分别建立关于偏差矩阵的相对旋转测量方程,最终将CN模型化为矩阵形式,并采用线性最小二乘求出偏差矩阵的封闭解,以此修正旋转方向。实验证明,ORDM算法在面对PGO噪声数据集时,较为鲁棒,具有一定的可伸缩性;与迭代初始化算法相比,可对应较差的初始化场景。     

动态模型偏差校正在列车组合定位中的应用

扩展卡尔曼滤波(Extended Kalman filter, EKF)的准确性依赖于观测的质量、观测对象的非线性程度及动态模型的准确性. 该方法通常假设其动态模型是不变的, 而且默认为非线性程度较弱, 这些在实际的车辆运动中都是不可靠的处理方式. 本文提出了一种利用最小二乘支持向量机(Least squares support vector machine, LSSVM)的技术增强扩展卡尔曼滤波的新算法. LSSVM改进后的EKF算法(LSSVM-EKF)一定程度上弥补了EKF处理强非线性问题的不足; 而且可以自适应地估计历史数据的动态建模偏差, 并使用估计偏差来补偿动态模型. 开发了一种引入Allan方差的K折交叉验证方法来确定LSSVM的训练参数; 将动态模型偏差通过有限数据集与LSSVM一起训练; 并引入无损变换将LSSVM与EKF进行了集成. 为了验证算法, 最后设计了车载试验, 并采用列车数据验证了文中所提的方法, 结果表明LSSVM-EKF可以较好地适应实际车辆运动环境, 可以提供一种可用的车辆定位方法.     

IEEE 1451.2 校正引擎研究

对IEEE 1451．2校正引擎进行了研究,介绍了校正引擎在IEEE 1451．2智能传感器校正中的应用,探讨了使用插值理论、最小二乘法建立IEEE 1451．2校正模型的方法,并给出了应用实例。     

雷达高度计海况偏差估计不同纬度区间参数模型研究

针对用传统的参数模型进行海况偏差估计存在较大误差的问题,提出一种分段建模的方法来改进对海况偏差的估计。根据全球范围内有效波高和风速的纬度方向分布,确定以20°为分段间隔,将全球划分为6个纬度区间。基于Jason-2高度计数据,根据泰勒展开,以有效波高和风速为变量,在各纬度区间分别构建海况偏差估计参数模型。用解释方差、拟合度和残差评价检验模型,并与传统参数模型的估计结果以及Jason-2高度计GDR中非参数估计结果进行了比对,结果表明:纬度分段参数模型的估计结果较之传统方法在各纬度区间均有提升,在低纬度区域尤为明显。在保证参数模型优势的同时达到了与非参数方法相当的估计精度。说明本文所建纬度分段参数模型能够有效提高全球范围内海况偏差的估计精度以及海表面高度的校正水平。     

基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

基于几何距离准则的新数据拟合方法

基于最小二乘法准则的传统数据拟合方法对自变量为随机变量的向量数据拟合效果不理想。有鉴于此,本文提出几何距离平方和最小的新数据拟合标准,给出基于新标准下的新数据拟合方法,同时给出数据拟合参数求解的优化算法。仿真实验表明,在用于自变量为随机变量的向量数据拟合时,用新数据拟合方法的拟合精度比用最小二乘法的拟合精度要高。     

基于改进遗传算法的计算机数学模型构建

面向遗传算法的数据冗余问题,设计改进遗传算法,与最小二乘法有机结合,构建计算机数学模型,以应对数据实时变化.在此基础上,针对具体问题实现计算机数学模型构建,加以验证分析,结果表明改进遗传算法的辨别能力较强,可寻求最优解,并在很大程度上提升运算效率与质量.通过Matlab软件进行方程组求解,明确参数具体使用区域,以解决估...     

基于改进TOPSIS方法的人体面部皮肤养护决策研究*

基于人体皮肤状态,提出相适应的护肤方案,是皮肤领域亟待解决的问题。本文采用专家评分法、标准离差法及熵权法融合主客观信息优化面部皮肤各部位权重,较全面地获取皮肤属性值;将被测试对象的护肤偏好与专家的方案-属性特征评价信息相结合,构建目标-方案-属性层次模型,实现个性偏好与理性推荐下的多属性权值调整;依据实测数据,采用多属性权值对TOPSIS法进行改进,通过计算各方案与正负理想方案之间的加权距离,实现护肤方案的优劣排序。最后,通过一个应用实例以及与现有的两种决策方法的对比分析验证了本方法的可行性与有效性。     

基于BSLA 最小二乘法的多功能传感器信号重构

最小二乘技术经常在利用若干测量数据评估被测变量的情况中使用，当使用这种方法来获得一个最佳线性逼近空间(BSLA)时，就会建立一个能够处理冗余度量数据的最佳解决方案，从而改善在三维空间环境中信号重构的效果(通常情况下，多功能传感器都是三元或三元以上的度量函数)。为此提出了一种应用最小二乘算法重构多功能传感器被测信号的方法验证其有效性，建立了仿真模拟电路，并给出了仿真结果和算法误差分析。     

广义最小二乘法在制冷蒸发器建模中的应用

为了避免制冷系统蒸发器建模中机理分析方法的复杂性和不精确性,提出基于广义最小二乘法的蒸发器辨识建模方法。该方法避免了机理分析法繁琐的数学推导,具有更强的可行性,且得出的模型更具有现实意义。模型检验和实际工程应用验证了此方法的有效性。     

基于最小二乘法的自动钻铆工时预测研究

为了提高企业的管理效率,降低生产成本,需要对工时信息进行准确的掌握,并实时通过工时管理系统进行更新.针对过去工时管理并没有统一的概念,且多依靠经验进行预测等问题,提出了基于最小二乘法对工时进行预测.通过对采集到的历史数据进行分析和挖掘,求解出相应工时预测模型,并以自动钻铆工序的工时为例进行预测说明.针对自动钻铆过程中影...