圆柱度误差快速最优化评定方法

使用迭代重加权最小二乘算法(IRLS)进行圆柱度误差评定。经过实际计算将所得到的误差评定值与其他方法相比较,在测量数据点集满足"小误差、小偏差"两点假设的条件下,迭代重加权最小二乘法可以得到精确的最小区域解,但是在运算时间上由于受迭代次数的影响,对不同的误差限运算时间会相差很大。总体来说,迭代重加权最小二乘法实现简便,有较高的使用价值。     

一种新的InSAR相位解缠算法

干涉相位解缠直接影响到干涉合成孔径雷达(InSAR)高程测量精度,是InSAR处理及其重要的一步。文中在研究了最小二乘法相位解缠的基础上,提出了一种基于解缠相位误差迭代补偿的加权最小二乘法。首先,采用加权最小二乘法得到相位解缠的初值,然后,再通过对解缠误差相位的迭代补偿,对解缠效果进行优化。另外,针对迭代次数的合理选择,还设计了一种迭代机制,避免了迭代次数过多引入的补偿冗余和迭代次数过少导致的补偿不足。相比最小二乘法,该方法通过加权处理对相位噪声的全局影响进行了约束;通过误差迭代补偿进一步大大提高了解缠精度。仿真试验结果表明:文中所提方法具有优越性。     

哈默斯坦非线性时变系统的加权学习辨识方法

针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。     

二维线性相位FIR滤波器设计的投影最小二乘算法

考虑二维线性相位矩形对称FIR滤波器的约束最小二乘设计问题,即在通带和阻带逼近误差不超过给定值的约束下使逼近误差平方和最小.提出一个投影最小二乘算法,它是一个交替地更新有效约束集及将二次误差无约束极小点(最小二乘解)逐次投影到有效约束边界的迭代过程.通过二维FIR低通圆形滤波器和方形滤波器的设计例子,对算法的性能进行了仿真,并与基于内点算法和有效集方法的设计程序进行了比较,结果表明本文算法具有很高的效率.     

观测站有位置误差的多维标度时频差定位算法

定位精度对观测站位置误差很敏感。论文针对观测站位置和速度有误差的情况,提出了一种加权多维标度时频差定位算法。该算法利用了多维标度定位通过特征结构和维度信息抑制噪声的优势,它将定位残差表示成测量误差和观测站位置误差的线性形式,然后通过加权最小二乘给出了目标位置和速度估计的闭式解。仿真结果表明,在小的测量误差和观测站位置误差时,该算法对目标位置和速度的估计能够达到克拉美劳下界。与两步加权最小二乘和约束总体最小二乘算法相比,该算法在测量噪声和观测站位置误差较大时有更高的定位精度。      

测距机位置误差条件下交会定位改进算法研究

起降引导系统进行岸基标校时,由于甲板变形,布设在甲板上用于进行目标定位的激光测距机位置无法精确获得,存在位置误差,会严重影响目标定位性能。针对这个问题,提出了一种混合定位算法,该算法将非线性方程线性化,得到最小二乘解,然后综合考虑测距机位置误差和测距误差,将误差分量分离后利用加权最小二乘法得到目标位置次优解,以此次优解作为泰勒级数展开法的迭代初值,进行迭代运算,最终得到定位结果。将该混合算法与约束总体最小二乘法及CHAN算法进行仿真对比,结果表明,该算法可靠性更高,定位精度在较高噪声的条件下仍能接近CRLB。     

色噪声背景下的阵列幅相误差自校正算法

针对色噪声环境下的阵列幅相误差自校正问题,提出一种适合任意阵列的幅相误差自校正算法。该算法首先在每次迭代开始前利用H∞滤波方法得到稳健的DOA估计值,然后给出一种幅相误差最优初始值的估计方法求解出幅相误差的次优解,最后基于交替加权最小二乘算法,分别对幅相误差和噪声功率进行估计。理论和仿真实验均表明该算法不仅迭代次数少,且具有较好的参数估计性能。     

基于迭代最小二乘的水下三维高鲁棒性定位算法

为解决基于空间角信息水下3维定位中,闭式解算法中定位性能无法达到克拉默-拉奥界(CRLB)和牛顿迭代算法初始值选取问题,该文利用一种基于迭代最小二乘的高鲁棒性算法修正闭式解的残差项与选取迭代算法的初始值。利用伪线性加权最小二乘算法得到闭式解作为正则化修正迭代法的初始值,将迭代结果修正闭式解算法的残差项,通过迭代最小二乘法的交替运算,得到稳定精确的解。通过仿真验证了基于迭代最小二乘算法的高鲁棒性,消除伪线性加权最小二乘算法中残差项选取的不利影响,解决了迭代法初始值选取问题,得到与收敛情况下迭代法相近的定位性能。     

基于约束总体最小二乘方法的到达时差到达频差无源定位算法

两步加权最小二乘方法(two-stage WLS)是求解TDOA/FDOA无源定位问题的经典线性方法,但也存在着定位偏差和均方误差对测量噪声的适应能力较差的缺点。该文根据TDOA/FDOA的伪线性定位方程组特点,将其建立为一种带约束条件的约束总体最小二乘(CTLS)模型,并采用拉格朗日乘子法求解带约束条件的CTLS问题,建立了几种最小二乘类定位方法的统一解,从而将约束加权最小二乘(CWLS)定位解和约束最小二乘(CLS)定位解变为该文CTLS定位解的特例。仿真表明,该文方法比两步加权最小二乘方法具有更低的均方误差,并能够有效减小定位偏差,因而具有更好的测量噪声适应能力。     

基于对数误差准则的HRTF共极点/零点建模方法

共声学极点/零点(CAPZ)逼近是头相关传递函数(HRTF)建模的一种高效方法,与极零点模型相比,它可以用更少的参数表示HRTF。传统的CAPZ模型参数估计方法是基于最小均方误差准则,而人的听觉感知系统更适合于对数误差准则,为此,该文提出一种基于对数幅度误差最小化的CAPZ模型参数估计方法。该方法首先使用Haneda方法估计出声学共极点,然后在对数幅度误差准则下,使用迭代加权最小二乘算法估计零点,从而得到完整的CAPZ模型。仿真实验结果验证了其有效性。