基于抗差估计的快速动态寻北算法

陀螺寻北仪是一种精确、快速测定真北方位的仪器.主要特点是:定向精度高、测量时间短、在任何时间和地点(高纬度地区除外)都可以自主定向.然而,陀螺寻北仪易受异常因素影响,而使定向观测值产生异常.采用旋转调制方法,研究了以动调陀螺为角速率传感器的全姿态寻北仪.为了削弱动调陀螺的噪声对寻北精度的影响,基于抗差估计原理构造了高崩溃污染率的初值辅以IGGⅢ方案迭代解算的混合算法.计算结果表明:基于可靠初值和稳定均方差因子估值的抗差估计可以有效削弱异常干扰的影响.测试结果显示,在4 min之内系统的寻北精度优于1.5 ',远高于最小二乘估计得到的精度.     

基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,本文建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

基于误差分布估计的机器人手眼标定方法研究

精确的机器人手眼标定对于机器人的视觉环境感知具有重要的意义。现有算法通常采用最小二乘估计或全局非线性优化求解方法对机器人手眼系统的变换参数进行估计。当系统存在测量粗差时直接采用最小二乘估计会导致标定结果精度的下降;基于全局非线性优化策略的标定算法则由于数据粗差的影响,求解过程易过早收敛也会造成标定精度低。为了解决误差粗差敏感的问题,提出了一种基于误差分布估计的加权最小二乘鲁棒估计方法,以提高机器人手眼标定的精度。首先,通过最小二乘估计计算手眼变换矩阵;之后计算每对坐标对应的误差值;根据误差值的分布概率初始化对应坐标数据的权值;最后采用加权的最小二乘估计重新计算机器人手眼标定矩阵。最后引入迭代估计策略进一步提高手眼标定的精度。设计的机器人手眼标定实验及结果证明,所提算法能够在数据粗差影响下保持较高的标定精度,更适用于机器人的手眼标定问题。     

基座扰动影响磁悬浮寻北仪精度的数据处理方法研究

影响磁悬浮寻北仪精度的因素可分为高频噪声干扰和低频大能量干扰,为消除基座扰动对磁悬浮寻北仪精度的影响,采用小波预处理消除系统内部高频噪声影响;并提出基于EMD分解干扰点检测的三次样条插值包络均值滤波结合抗差估计的新算法,以有效消除外界低频大能量干扰。对比分析算数均值滤波和最小二乘法的寻北结果精度,计算结果表明,存在外界异常干扰时,提出的处理算法可以得到更高的寻北精度。     

带噪声抑制的GPS姿态测量算法

利用GPS载波相位测量载体的姿态时,各种误差源对定姿精度有很大影响。基于载波相位双差观测模型,分析了载波相位误差和接收机到卫星的可视矢量（LOS）误差以及这些误差在姿态测量中的影响权重。针对传统最小二乘方法中仅考虑观测矢量噪声的局限性,在基线解算过程中采用同时考虑LOS组成的设计矩阵和观测矢量噪声的总体最小二乘（Total Least Squares,TLS）方法,并从理论和实验两个方面证明该方法能有效抑制噪声影响,提高姿态解算的精度。     

基于光纤陀螺的单周快速动态寻北算法研究

以单个单轴光纤陀螺为主要惯性测量器件,提出了一种新的基于单周期逐点最小二乘拟合的快速动态寻北方案。该方法先利用连续恒速的机械旋转将光纤陀螺的输出信号调制成一定频率的余弦调幅波;然后,通过恰当的数字滤波处理较好地抑制了随机漂移和各种高频干扰对测量精度的影响,最后,通过整周期逐点最小二乘拟合显著地降低了低频干扰的影响,提高了寻北精度;并在此基础上进行了实验室实际测试和误差分析。实验结果表明:选用精度0.8°/h的光纤陀螺和该寻北算法,在12′内便可实现10个角分的较高解算精度,操作简单,稳定性好。     

基于抗差估计方法的WSN节点定位算法研究

针对无线传感器网络在实际应用中,节点间测距结果往往含有粗差,并会严重影响未知节点坐标估计值的准确性和可靠性这一问题,引入抗差估计理论,采用IGGⅢ权因子函数,设计了一种基于抗差估计的节点定位算法。该算法能对含有不同幅度的测量误差分别采取保权、降权和淘汰等相应处理,明显提高定位精度。仿真实验表明:在无粗差的情况下,本文算法与经典最小二乘定位算法的定位效果保持了良好的等效性;在含有粗差的情况下,本文算法借助于选择的阈值,对不同的粗差采取剔除以及降权等适当处理,比经典最小二乘定位取得了更高的定位精度,保证了估计结果的无偏性,体现出良好的抗差性能。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

移动抗差最小二乘在事故预警中的应用

针对实时在线递推参数对含粗差的观测量相当敏感,个别粗差就会对参数的估值产生较大的影响的这种情况,本文通过选择合适的权函数,采用抗差最小二乘来代替传统最小二乘法来在线估计AR模型参数.对鄂北石油钻井数据的大钩负荷测量数据进行仿真,对抗差最小二乘和传统最小二乘法结果进行比较.结果表明,抗差递推最小二乘法能得到满意的参数估计,同时能满足该系统的实时性,具有更强的容差能力.     

非线性多功能传感器信号重构的抗差估计方法研究

在非线性多功能传感器的信号重构过程中,训练样本集不可避免地夹杂粗差数据。为了得到既有较强抗差性又有较高效率的估值,采用抗差最小二乘法在粗差干扰条件下进行参数估计。抗差最小二乘估计通过等价权把抗差估计原理与加权最小二乘形式结合在一起,因此在抵抗粗差的同时保持了最小二乘法的优点。非线性信号重构的粗差抑制结果表明,抗差最小二乘法计算速度快,且具有良好的抗粗差能力和收敛可靠性。