应用预测最小二乘准则的AR模型判阶方法

本文通过多种AR模型的判阶准则的比较提出了应用最小二乘预测误差的滑窗预测最小二乘(Sliding Window Predictive Least Squares, SWPLS)判阶准则.采用这种准则的主要优点除了准确的判阶性能外,对于时变AR模型具有良好的跟踪特性,同时算法容易实现在线实时处理.文中主要对时变模型参数和时变模型阶数的多种情况进行了判阶模拟,验证了文中提出的滑窗最小二乘预测判阶准则的有效性.     

扩展最小二乘准则的最小化算法

“扩展最小二乘”（XLS）准则是一种广义的最小二乘法，通过正确的加权和均衡，XLS能够把模型误差和测量误差区分开发来。从“伪线性模型”的角度出发，我们可以得到两个使XLS准则最小化的迭代算法：其一是直接的“交替坐标”的最小化方法；另一种是现有的约束总体最小二乘（CTLS）法的扩展，这两个算法都能够采取不同的实施方案，以满足不同的应用场合时的收敛速度，计算量和精度上的不同要求，XLS准则可应用于许多常用的工程估计问题，例如，根据有噪声的输入／输出的测量来辩识存在外来噪声的自回归系统（ARX）或者是根据有噪声的测量来估计AR过程的参数。     

基于最小二乘法的混合推荐模型研究

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题,提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型的推荐,然后对单一推荐模型所产生的推荐结果动态地调整权重进行数据拟合,再将所产生的拟合数据进行最小二乘运算,减小整体预测误差,从而得到最终的推荐结果。最后使用MovieLens 100k和MovieLens 1M这两种公开的电影数据集对该模型进行验证并与其他几种模型进行比较。实验结果表明,所提出的基于最小二乘法的混合推荐模型在精确率、召回率和F值等评价指标上都优于目前几种传统的推荐模型,所造成的预测误差相较于目前几种传统推荐模型也更小。     

融合型AR模型在雷达故障预测中的应用

针对合作单位雷达产品现状,突破传统的设备运行状态检测手段和设备数据分析算法,提出融合型AR模型在雷达故障预测中的应用,该应用利用自回归求解卡尔曼滤波的状态空间模型,解决以往卡尔曼滤波的状态空间模型由经验或数学推导得出的问题。Python的实验仿真结果表明,该方法对雷达内部关重件的系统参数有较好的拟合能力。     

基于总体最小二乘准则的OFDM系统时变信道估计

信道估计的准确程度直接影响正交频分复用系统的性能。为了提高时变信道估计算法的精度,基于总体最小二乘准则( TLS)提出了一种时变信道的估计方法。该方法用线性模型对时变信道进行建模,不仅考虑了信道噪声,同时也兼顾了模型误差。该方法能较好地跟踪信道的变化,显著消除模型误差。仿真结果表明所提算法的均方误差介于最小二乘算法与最小均方误差算法之间,在不同归一化多普勒频移下,该算法具有较好的稳健性。     

高斯马尔可夫随机场模型的递归最小二乘参数估计

本文首次提出应用阶递归最小二乘算法来估计高斯马尔可夫随机场模型参数。利用模型参数关于领域的对称性质,我们将一个非因果对称邻域支持的高斯马尔可夫随机场模型转化成一个因果非对称半平面部域支持的模型,从而使递归计算成为可能。利用规范方程中系数矩阵的近似Toeplitz性质,导出了运算量为O(m~3)+O(M~2m)MADP的阶递归最小二乘算法,而直接采用解方程法的计算量为O(m~3)+O(M~2m~2),这里M~2表示一幅图象的尺寸,m代表模型参数的个数。     

采用加权最小二乘准则的影像仪自动对焦方法

针对影像测量领域中自动对焦方法存在的对焦准确性不高、对焦过程复杂等问题,提出了一种采用加权最小二乘准则的自动对焦方法.首先,根据不同种类图像清晰度评价函数的评价特性,选定对焦过程中所用的图像清晰度评价函数.其次,在图像清晰度评价函数的基础上进行两阶段对焦,即粗对焦阶段与精对焦阶段.然后,分析了加权最小二乘准则中加权系数的确定原则并给出了其具体确定方法.最后,对精对焦阶段所得清晰度评价值进行归一化处理,采用加权最小二乘准则进行高斯曲线拟合求取极值,极值位置即最终正焦平面.实验结果表明:在步距为0.1mm的条件下,该方法与现有的洛伦兹(Lorent)、Gauss拟合方法相比,对焦误差由0.05 mm降低到0.02 mm,有效地提高了现有曲线拟合法的对焦准确性.     

三维网格模型的预测压缩算法研究

通过遍历顶点的位置信息和3-D网格中的角度信息,提出了一种顶点邻域预测和角度预测相结合的3-D网格模型顶点位置预测压缩算法。采用Hausdorff距离测量预测误差,试验的结果表明,提出的算法在不同的测试模型上都优于MPEG-4标准中的三维网格模型编码(3-DMC)算法,较好地减少了3-D网格顶点预测的几何失真。     

基于最小二乘法的气温曲线回归模型分析

随着我国气象事业的不断发展及气象数据的日益增加,进行气象数据分析及研究已成为科研人员的一项重要任务。文中充分利用MATLAB软件强大的科学计算功能及灵活的程序设计流程,基于最小二乘原理对某地某天的气温数据进行了一些研究。     

一种基于迭代最小二乘法的精确同步方法

最小二乘拟合鉴相曲线的方法可以实现精确同步,但其对粗同步要求苛刻且不能有效对抗频偏。该文通过分析证明当粗同步误差在前后各半个码片周期内时,最小二乘法的测量值介于零和实际值之间。根据该特性提出基于迭代最小二乘法的精确同步方法,并引入分段相关取模策略,以达到抗频偏效果。理论分析表明该方法能够有效消除噪声的影响,并且在分段长度不大的情况下具有很强的抗频偏能力。仿真结果表明该方法具有很强的抗频偏和抗噪声能力,并且在粗同步误差覆盖前后半个码片范围时依然具有很高的测量精度。     

用复信号处理方法研究二维复指数信号最小二乘估计的渐近性质

二维复指数信号广泛应用于许多实际场合，本文利用复随机信号处理方法研究其最小二乘估计的渐近性能，Ｄ．Ｋｕｎｄｕ等人（１９９６）是将复信号表为实部和虚部来讨论的，因而非常繁琐，用复信号处理方法将使讨论大大简化。     

一些产生互连线降阶模型的方法

随着工艺技术到达深亚微米领域，互连线的耦合电容、电感对电路的影响越来越大。为了有效地捕捉互连线的影响，需要进行精确地电路级模拟，但是从版图自动提取出来的互连线通常是一个大的线性电路。利用spice模拟器来模拟，效率很低。针对线性电路的特点，人们通常采用降阶模型来建模，提出了许多降阶模型方法。本文将介绍各类降阶模型方法，分析它们的原理，比较它们的优缺点。     

基于线性最小二乘方法的多基地声呐定位算法

通过对多基地声呐发射站和接收各站的测量结果进行数据融合,提出了基于线性最小二乘方法的多基地声呐空间定位算法,并针对影响算法定位精度性能的各个因素进行了分析.仿真结果显示:基于线性最小二乘方法的定位算法充分利用了系统的冗余信息,在全域范围内具有较高的定位精度,较现有单纯利用三观测量的目标三维定位算法的定位性能更为优越.该...     

系统故障预测的自主学习模型建立方法

目前,各种系统的集成度和复杂性不断增加,其可靠性、可测试性、可维修性及维修保障费用等问题日渐突出,在系统运行过程中若发生故障将造成不可预知的损失,因此,如何对故障进行监测、诊断,如何对潜在故障进行有效的预测已经成为该领域研究的热点课题之一。     

基于相关函数的递推最小二乘算法及其在回波消除中的应用

本文给出一种新的类似于RLS（recursive least squares)算法的递推最小二乘算法，该算法直接对输入信号的相关函数进行处理而不是对输入信号本身进行处理，理论分析表明了该算法的收敛性。该算法应用于回波消除问题中，克服了常规自适应滤波算法在出现双方对讲的情况下需停止调节自适应滤波器系数这一不足。计算机模拟仿真表明该算法在双方对讲的情况下有良好的收敛性能。     

双振镜扫描的最小二乘与网格法混合校正模型

为了使2维振镜扫描系统在大角度扫描状态下减小非线性畸变误差,针对纯理论校正无法克服系统自身各种误差的缺陷,提出了基于坐标角度映射关系的校正模型。利用曲面最小二乘拟合的方法,建立坐标点的误差补偿曲面可以有效提高校正精度,仿真测试的平均误差在15μm左右,利用分段线性插值插入网格校正表可以大幅提高扫描速率,扫描速率达到25m/s左右。结果表明,该模型对于扫描非线性实时动态校正有一定的效果。     

基于Zernike-Facet模型和总体最小二乘的弱小目标检测

弱小目标一般是图像局部区域的极值点。针对这个特点,依据二元三次函数的极值理论,该文提出了一种新的弱小目标候选点的检测方法。发展了一种新的图像局部灰度拟合模型,即Zernike-facet模型,模型参数的求解采用比最小二乘(LS)抗噪能力更强的总体最小二乘(TLS)算法。新检测方法通过Zernike-facet模型和TLS对原始图像中每一个像素的局部区域进行曲面拟合,然后在拟合曲面上提取极值点作为目标候选点。仿真表明,新方法在抑制噪声上优于其他常用方法。可见光/红外图像小目标检测实验也证实了新方法的有效性。     

基于最小二乘法的lvds远距离通信电缆参数模型研究

为解决传统lvds远距离通信电缆参数模型表征频率高的问题,基于最小二乘法设计lvds远距离通信电缆参数模型。选取lvds远距离通信电缆参数模型指标,基于最小二乘法计算远距离通信电缆参数,得出lvds远距离通信电缆参数模型。设计实例分析,结果表明,实验组模型表征频率明显低于对照组,其绝对误差远小于传统模型,能够解决传统lvds远距离通信电缆参数模型表征频率高的问题。     

基于最小模型组最优模型扩展的机动目标跟踪方法

针对变结构多模型算法中模型集自适应较复杂,且模型扩展受模型结构限制等问题,提出了一种最小模型组最优模型扩展的机动目标跟踪算法。该算法以最小模型组作为基础有效模型集,采用模型组切换方法进行模型组自适应;并根据Kullback-Leibler距离准则在连续的模型空间中对基础模型组进行最优模型扩展。因此,该算法具有模型集自适应简单、模型激活不受模型结构的限制等优点。多组实验仿真结果表明:该算法既可以对相同结构的模型进行激活,也可以对不同结构的模型进行激活;在没有明显增加计算量的同时,提高了目标的跟踪精度,具有较好的跟踪效果。