基于DSP的高精度三角波测量仪设计与实现

设计了一种高精度、数字化的三角波测量仪器,能对(0～5)MHz的任意周期的信号进行频率、幅值、斜率测量.TMS320LF2407数字信号处理器作为主处理器,用前置电路对待测信号做信号变换处理,根据实际被测信号的频率范围,采用等效采样的方法对被测信号进行等周期采样.在信号处理上,提出了用最小二乘法进行曲线拟合的方法对采样数据进行处理.使信号能精确地得到复现.确保测量精度.通过对频率为1k、100k、5M的信号进行测量,结果表明,系统频率测量误差小于0.2%,幅值和斜率误差小于2%.     

基于抛物线插值的正弦波拟合算法

为了合理利用原始采集数据并提高正弦波形数据拟合重构的精度,在最小二乘法原理的基础上,提出了抛物线拟合细分最小二乘法拟合正弦波形的方法.根据所采集数据点的特点,将数据进行分段抛物线插值细分.按照数据间抛物线变化趋势增加拟合数据量,然后对细分后的数据进行最小二乘拟合得到正弦曲线的参数.通过软件算法仿真并进行了实验数据处理,结果表明,该算法合理利用了所采集的数据,可使正弦波形参数的相位估计重复精度从最小二乘的-4.555×10-4提高到1.367×10-4.     

移动最小二乘法在多功能传感器数据重构中的应用

针对传统最小二乘法全局拟合的局限性, 将一种新型的数值算法---移动最小二乘法应用于非线性多功能传感器的信号重构. 通过详细研究插值函数的构造方法及性质, 合理地选取基函数和权函数, 求出试函数的系数, 进而得到信号的重构值. 详细分析了基函数维数、影响域节点数及权函数因子对计算结果的影响, 并对最小二乘法以及移动最小二乘法的重构数据进行了对比, 重构的相对误差分别小于 15.3 % 和 1.03 %, 结果表明移动最小二乘法更适合非线性曲面拟合, 且适当地增加基函数维数或影响域节点数可以进一步提高数据重构的精度.     

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。     

加权最小二乘法改进遗传克里金插值方法研究

数据内插被广泛应用于地统计分析领域,克里金插值作为其中最为有效的方法之一,其原理是通过建立变异函数理论模型,得到可靠的权重值和拉格朗日系数,构成求解待测点的线性组合。为了有效地提高插值精度,文中利用加权最小二乘法优化遗传算法中的适应度函数,进而改进普通基于遗传算法优化的克里金插值方法。并且在MATLAB中利用外部工具箱确定模型参数,最后通过实例验证,将该方法与普通克里金插值以及遗传克里金插值结果进行对比,发现采用该方法,插值效果较好且误差也较小,证明了通过加权最小二乘法可以有效改进普通遗传克里金插值方法。     

基于非均匀采样的频谱分析和弱信号检测

由于采样设备和被采样信号的限制,完全的均匀采样很难实现,实际中很多情况也需要用到非均匀采样,而当采样信号是非均匀时采样定理不再适用。使用基于最小二乘法的非均匀频谱分析法,详细讨论了频谱噪声的产生原因和影响因素。由于频谱噪声会淹没一些弱信号的频率成分,使用基于最小二乘法的幅值衰减法,衰减强信号频率成分和频谱噪声,通过仿真实验成功检测出幅值为强信号幅值一亿分之一的弱信号,并对非均匀采样信号的频率成分进行高精度的参数估计。     

运用逆向工程方法与OpenGL创建三维曲面

目前大多数应用逆向工程创建三维曲面的方法能够取得较令人满意的结果,但却过多依赖标准化软件.文中改进了基于垂距依此递推的自由曲面自适应数据采样算法,给出了应用该算法对复杂曲面进行重建的方法.自由曲面自适应数据采样时,先运用逆向工程测量方法,得到曲面的截面数据点值,然后用非均匀三次样条插值曲线拟合出截面轮廓曲线;自适应采样后,由曲线数据点重新利用最小二乘法计算型值控制点.对这些型值控制点进行网格化处理后由U、V两方向利用Opengl中Nurbs曲面生成方法构造出三维曲面.结果表明运用该方法曲面更改更灵活、曲面连接光滑.     

电磁定位耦合信号提取方法研究

电磁定位系统中,正弦耦合信号提取是关键,其结果将直接影响定位精度.在多频正弦信号耦合系统中,由于电子元器件和系统误差等原因,会导致信号频率有偏差,而且可能存在饱和畸变,对参数提取造成了困难.基于最小二乘法原理和频率逼近思想,提出一种用于有频偏的多频率有饱和正弦信号幅值和相位的提取方法.该方法在有饱和畸变的正弦信号中提取未饱和的样本,通过最小二乘法拟合计算,估计信号参数,然后改变信号频率逐渐逼近最佳频率,使得误差平方和最小,从而提取准确参数.仿真分析了噪声、信号饱和程度和采样点数对参数提取的影响.最后通过实验验证了该方法的有效性和实用性.     

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。     

一种从饱和正弦信号中恢复原信号幅值与相位的方法

本文面向电磁耦合传感系统,提出一种从饱和正弦信号中估计原信号幅值与相位的方法。该方法利用正弦信号具有大小变化和过零的特性,在饱和信号中提取未饱和部分信号样本;然后用基于最小二乘法拟合的线性矩阵计算,实现信号的正弦和余弦分量估计,计算得到信号幅值和相位。通过仿真考察饱和程度和噪声水平对恢复信号幅值和相位等参数的影响;结果表明,当满足足够的采样点数条件时,本方法能在一定的噪声下完成大范围（十倍饱和界限）饱和信号的恢复,并能够保证较高的信号提取精确度和计算速度。这为大范围饱和情况下的信号准确提取和扩大测量量程提供了依据。