递推最小二乘方法在导航定位中的实用分析

在无线电导航定位解算方法中，最小二乘方法必须要求一次有三个以上的测量值，卡尔曼滤波方法要求系统动态过程和观测噪声的统计信息已知。本文给出对测量值和统计信息要求相对较松的递推最小二乘方法，并通过与最小二乘方法和卡尔曼滤波方法的比较，对其实用性进行了分析。     

GLONASS载波相位整周模糊度分析

由于GLONASS系统信号频率的差异,在载波测量数据处理中不能采用与GPS载波相位测量数据相同的方法,GLONASS整周模糊度的解算便成了一个难点问题。本文对GLONASS载波相位测量整周模糊度解算的基本思路和方法进行了介绍。     

基于递推最小二乘算法的小信号检测

受到强干扰影响的小信号通常难于有效检测。在分析递推最小二乘算法(RLS)原理及其几种改进形式的基础上,采用自适应方法将已检测出的大信号与原混叠信号对消,降低大信号对小信号的遮蔽作用,再进行小信号的检测。最后通过仿真证明,该方法能够在较小失真的情况下,有效检测出被大调幅信号干扰下的小调频信号;同时分别比较了各种算法的优劣,得出基于可变遗忘因子的RLS(VFF-RLS)算法不仅具有较快的收敛速度,而且收敛之后具有很好的平稳性能。     

基于递推最小二乘算法的光纤振动定位系统

为了解决光纤振动定位算法中互相关稳定性差、最小均方收敛速度慢的问题，采用递推最小二乘算法、滑动平均原理、早迟门原理，设计了一套稳定且响应迅速的光纤振动定位系统。光路部分基于双马赫-曾德尔干涉结构，硬件平台以高速采集板结合现场可编程门阵列实现定位。在一段160m的光路上进行重复敲击实验，对取得的振动数据分多段分别计算定位结果，去除最大值、最小值后剩余定位结果取平均值以提高定位精度。结果表明，相对于互相关，递推最小二乘随着迭代次数增加，单次定位结果稳定不会发生偏移，且其定位收敛速度是最小均方的3倍左右；在采样率为10MHz时，系统实际响应时间约0.3s，定位误差范围在±6m，且定位稳定可靠。该研究对于光纤定位系统中定位算法的改进、定位精度的提高是有积极意义的。     

时滞和滤波联合辨识的递推最小二乘算法

时滞和滤波联合辨识问题既是经典时滞估计问题的推广，又是自适应系统建模和时灌估计两方面的交叉。本文针对先滤波后时滞的系统模型，从方法上改进BOUDREAU＆KABAL提出的基于快速横向滤波器的递谁最小二乘滤波算法，使其时间复杂度由O［19ρ］下降为0［7ρ］，便于实时在线应用。我们以低通滤波器与线性时滞串联系统的辨识为例，表现该算法对变化时滞的跟踪能力及联合辨识性能。     

递推最小二乘法在射表拟合中的应用

本文用以（距离、俯仰角）为自变量的有理分式函数对射表拟合，采用递推最小二乘法求取拟合函数的参数。以得到满足精度要求的射表拟合函数。     

递推混合最小二乘在红外焦平面阵列非均匀校正中的应用

基于递推最小二乘(RLS)的红外焦平面阵列非均匀校正算法具有计算量和存储量小等优点,易于工程实现.但RLS并不完全满足实际问题模型的要求,因此拟合出的噪声参数存在严重偏差.提出了一种利用递推混合最小二乘(RMLS)替代RLS进行非均匀校正的算法,它不但具有原方法的各种优点,而且由于符合问题模型的基本特征,因此在拟合精度和收敛速度方面都优于RLS.文中实验结果也验证了该方法的有效性.     

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.     

精确最小二乘相位解包裹算法

路径无关算法是一类重要的相位解包裹算法,其中最常用的是各种最小二乘算法。由于最小二乘算法无法限制误差在空间中传播,因此不能直接获得精确的解包裹相位,其应用受到了限制。分析最小二乘相位解包裹算法误差的特点,提出了一种能得到精确解包裹相位的新算法,给出了相关的理论分析和具体算法,通过模拟计算和实验验证,证明了该新算法的可行性与有效性。     

最小二乘算法在JTIDS相对导航中的应用

介绍了JTIDS的相对导航原理。针对JTTIS相对导航原理提出了一种基于最小二乘的滤波算法，并针对用户端机分时测距带来的滞后误差，提出了相应的解决办法。经过仿真验证，该算法能满足定位要求，且算法实现简单、效率高、适应性好等特点。     

基于广义最小均方的自适应递归滤波算法

本文提出了一种广义最小均方(GLMS)算法,分析了GLMS算法的性能,并根据GLMS算法,导出一种自适应递归滤波(ARF)算法。在推导中,ARF算法避开了超稳定定理,从而考虑自适应系统的严格正实条件和Popov不等式是不必要的。计算机模拟表明ARF算法具有很高的收敛速度。     

一种LAMBDA整周模糊度解算正确性的评估算法

针对基于经典假设检验理论的模糊度正确性评估算法的缺陷,提出了一种依据概率指标的LAMBDA(Least Square Ambiguity Decorrelation Adjustment)整周模糊度解算的正确性评估算法。该算法能够有效解决实时动态差分定位中模糊度解算值的可信度问题,降低系统完好性风险。通过对跑车实验中GPS差分定位数据的直接处理及引入多径误差后处理,该评估算法可以在置信水平为99.5%的条件下实时有效地评估模糊度解算值的正确性。     

基于递推阻尼最小二乘法的电力系统频率跟踪

最小二乘法是一种广泛的系统辨识和参数辨识方法,适于离线辨识,在线辨识参数时有其局限性。基于传统的最小二乘法,提出一种带有遗忘因子的有限数据窗口和自适应阻尼因子的递推阻尼最小二乘参数辨识算法。针对电力系统信号为理想信号、含有谐波及噪声和电力系统频率瞬间发生跳变的情况,分别做了仿真。仿真结果验证了该方法的鲁棒性、快速性和准确性,且算法效果优于其他方法。     

基于最小均方和递归最小二乘的有源滤波器谐波检测

针对当前有源滤波器谐波检测算法的精度低、运算量大、实时性差等不足,为了获得更加理想的谐波检测结果,提出了基于最小均方和递归最小二乘的有源滤波器谐波检测算法。首先针对锁相环获取输入信号运算量大、谐波检测时间长的难题,将过负载电流作为参考输入,加快有源滤波器的响应速度,然后基于最小均方算法和递归最小二乘算法快速、准确的实现谐波检测,最后在MATLAB 1204平台对本文算法的有效性和先进性进行了仿真验证性实验。 实验结果表明,本文算法得到了较高的有源滤波器谐波检测精度,能够提高有源滤波器的补偿性能,而且具有较快的动态响应速度,改善了算法的实时性。     

一种基于最小二乘的K-分布参数估计方法

提出了一种基于最小二乘的K-分布参数估计方法,并利用仿真对该方法进行了验证。这种方法利用变量替换将杂波矩量和分布参数之间的关系转换为线性函数,然后通过最小二乘方法求解线性超定方程组获得K-分布参数的估计,这样能够避免常规矩量法在处理实际杂波数据时由于数据长度和噪声所导致的错误估计的发生,利用最小二乘法提高了估计精度。     

粗糙归整映射与整周模糊度解算

在分析传统的基于GNSS载波相位测量模型对整周模糊度解算的一般规律后,得出一般归整映射的性质,进而提出粗糙归整映射理论,用来解决整周模糊度浮点解归整问题,提高了整周模糊度的搜索效率,一定程度上解决了载波相位实时测量的技术难题。     

采用归一化最小均方误差准则的LM-BP算法

传统神经网络通常以最小均方误差(LMS)或最小二乘（RLS）为收敛准则,而在自适应均衡等一些应用中,使用归一化最小均方误差（NLMS）准则可以使神经网络性能更加优越。本文在NLMS准则基础上,提出了一种以Levenberg-Marquardt（LM）训练的神经网络收敛算法。通过将神经网络的误差函数归一化,然后采用LM算法作为训练算法,实现了神经网络的快速收敛。理论分析和实验仿真表明,与采用最速下降法的NLMS准则和采用LM算法的LMS准则相比,本文算法收敛速度快,归一化均方误差更小,应用于神经网络水印系统中实现了水印信息的盲提取,能更好的抵抗噪声、低通滤波和重量化等攻击,性能平均提高了4%。      

鲁棒总体均方最小自适应滤波:算法与分析

本文研究了在输入输出观测数据均含有噪声的情况下如何有效地进行鲁棒自适应滤波的问题.以总体均方误差(TMSE)最小为准则,基于最速下降原理,通过对总体均方误差梯度进行修正,提出了一种鲁棒的总体均方最小自适应滤波算法.通过与已有算法的对比分析表明,该算法能够有效地降低权向量的每步调整量对噪声的敏感程度.仿真实验的结果进一步表明,该算法的鲁棒抗噪性能和稳态收敛精度明显地高于其它同类方法,而且可以使用较大的学习因子,在高噪声环境下仍然保持良好的收敛性.     

一种全最小二乘算法及其在非线性滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题,提出了一种稳定的总体最小二乘自适应算法。该算法以系统的增广权向量的瑞利商(RQ)与对增广权向量的最后元素的约束的和作为总损失函数,利用梯度最陡下降原理导出权向量的自适应迭代算法,并将该算法应用于非线性Volterra滤波器。研究了算法的稳定性能,提出的算法不仅有良好的收敛性能,而且在权向量的自适应迭代时不需要标准化处理,使得算法的实施更为简单。仿真实验表明,无论在线性系统或非线性系统,本文算法的收敛性能,鲁棒抗噪性能和稳态收敛精度明显高于其它同类总体最小二乘算法。     

接地网故障诊断的线性最小二乘优化模型及算法

变电站接地网对变电站的安全运行具有重要的意义,是电力运行部门十分关注的问题,近年来也成为学术界研究的一个热点。运用电路基本理论,提出了基于灵敏度分析的线性最小二乘优化模型及算法。首先建立了可测节点电压变化量与接地网导体电阻变化量之间的灵敏度关系线性模型,给出了灵敏度的求解步骤,最后提出了基于线性最小二乘优化模型及算法。通过对一个实际接地网的故障仿真说明,提出的诊断模型和算法具有较高的诊断精度。