改进最小二乘算法在天文定位中的应用

运用数字天顶仪进行天文定位时，需采用最小二乘算法建立电荷耦合元件图像坐标系和天球切平面坐标系之间的映射关系。针对最小二乘算法只考虑了观测量中的误差，没有顾及系数矩阵中的误差和数据中可能存在的粗大误差问题，为了提高数字天顶仪进行天文定位时的解算精度，将最小二乘算法与总体最小二乘算法进行有效结合构成了混合最小二乘算法，该算法能够同时顾及坐标转换中系数矩阵和观测量中的误差。为了消除识别恒星数据中可能存在的粗大误差对天文解算的影响，对所提算法进行了稳健加权，并结合星等设置合理的权阵。数据分析的结果证明，稳健加权混合最小二乘算法在进行天文解算时具有较高的精度。     

基于PLS方法和Kriging模型的多目标有效全局优化方法及应用

针对实际工程中参数过多导致的建模效率低、多目标相互冲突带来的求解困难及成本昂贵的仿真优化问题,提出了一种基于偏最小二乘法和Kriging模型的多目标有效全局优化方法.该方法首先通过偏最小二乘法进行降维,确定主成分;其次,利用偏最小二乘加权系数矩阵,获得自适应偏最小二乘高斯核函数,建立初始Kriging代理模型;然后,通过三种矩阵填充准则对多目标问题进行全局优化;最后,根据终止准则输出最优Pareto近似解集.数值算例结果表明,该算法建模效率提升的同时目标函数值收敛速度更快,在收敛精度及稳定性方面均具有优势.工程实例表明偏最小二乘变换后Kriging模型预测性能优于常规Kriging模型.     

发射站/接收站位置误差下无源雷达DOA-TDOA目标定位算法

无源雷达中发射站和接收站位置误差的存在将显著降低目标定位精度。针对这一问题,将发射站和接收站位置误差考虑到基于波达方向和到达时差的无源雷达目标定位模型中,提出了一种目标位置代数解算法。首先,将波达方向和到达时差的测量方程线性化,考虑方程中的各项误差,采用加权最小二乘估计求解,并通过对加权矩阵的迭代更新,得到目标位置最优估计。推导了存在发射站和接收站位置误差条件下目标定位的克拉美罗下界,并从理论上证明了算法的定位精度可以达到克拉美罗下界。仿真结果表明,算法的定位精度优于现有算法,在发射站和接收站位置误差条件下定位精度仍能达到克拉美罗下界。     

发射站/接收站位置误差下无源雷达DOA-TDOA目标定位算法

无源雷达中发射站和接收站位置误差的存在将显著降低目标定位精度。针对这一问题,将发射站和接收站位置误差考虑到基于波达方向和到达时差的无源雷达目标定位模型中,提出了一种目标位置代数解算法。首先,将波达方向和到达时差的测量方程线性化,考虑方程中的各项误差,采用加权最小二乘估计求解,并通过对加权矩阵的迭代更新,得到目标位置最优估计。推导了存在发射站和接收站位置误差条件下目标定位的克拉美罗下界,并从理论上证明了算法的定位精度可以达到克拉美罗下界。仿真结果表明,算法的定位精度优于现有算法,在发射站和接收站位置误差条件下定位精度仍能达到克拉美罗下界。     

小型直升机航向模型的增广递推最小二乘辨识

分析确定了模型直升机航向通道结构,考虑了噪声模型的存在,采用增广最小二乘法进行了参数辨识,从而避免了一般最小二乘法把误差模型隐含在系统模型中所造成的辨识精度不高的缺点。结果表明,虽然采用增广最小二乘法要考虑噪声模型,但是它具有速度快、辨识结果准确的特点,所得模型直升机的航向模型很好的表示了其系统特性,可以用来进行控制系统的设计和直升机的分析理解。     

异类传感器系统目标快速定位方法

在异类传感器系统中,快速、准确地定位技术对于数据的关联、目标的跟踪至关重要。为解决异类传感器系统中目标定位问题,提出了快速目标定位法。该方法首先将不完整的测量补充为完整测量,然后用精度加权法实现多测量之间的融合得到目标的位置估计,为提高估计的精度,最后采用扩展加权最小二乘法进行目标位置的二次估计。仿真实验结果表明,提出的目标定位方法是一种快速、有效的目标定位方法,定位误差的方差接近Cramer-Rao下界。     

基于结构总体最小二乘的多传感器定位算法

多部二维传感器组网定位时,为充分利用各传感器量测并减小地球曲率对观测的影响,建立了大场景下考虑地球曲率的三维空间观测定位模型,提出7此场景下融合测距信息的方位结构总体最小二乘定位算法.该算法首先根据各传感器的方位角量测信息使用结构最小二乘法初步定位,然后利用观测模型融合各传感器的距离量测提高定位精度并最终得到目标位置估计.仿真实验证明了该方法在多部2D传感器组网情况下对三维空间内目标定位的实际性和有效性,适用于工程利用.     

基于软约束模式的加权最小二乘节点定位算法

当节点初始坐标精度较差时,大多数基于负梯度搜索的最小二乘类迭代定位算法容易陷入局部最优,产生较大的定位误差.作者通过引入网络部署时先验的限制性条件,提出了一种基于软约束模式的加权最小二乘节点定位算法(SCLS).该算法根据2跳邻居节点问必须满足的最小和最大测距限制性条件,在加权最小二乘优化代价函数中引入惩罚项,迫使负梯度搜索往节点真实位置方向前进,从而提高定位算法精度.仿真实验结果显示,SCLS定位算法精度明显优于经典加权最小二乘定位算法.在测距误差较大或节点初始坐标精度较低情况下,SCLS算法具有良好鲁棒性.     

动基站时差探测系统定位与滤波技术研究

针对传统长基线时差探测系统的缺点,本文提出了全新的动基站时差测量系统,并给出了目标的定位原理。针对此探测系统的特点,提出了一种高度简化的加权最小二乘算法,该算法利用子集选优法分析结果,并忽略各子集位置误差的相关性,从而有效地减小了运算量,同时保证了较高的目标位置测量精度。通过伪线性卡尔曼滤波法和广义卡尔曼滤波法进一步减小了目标位置的探测随机误差,统计仿真结果证明了这一数据处理流程的有效性。     

多目标合作博弈最小二乘预核仁与核仁解

在实际生活中,常常存在许多带有不对等的联盟和不止一个关联或无关目标的复杂博弈情景.对此,本文首先构建了带有与联盟、目标相关的综合权重的多目标合作博弈,并在此基础上提出含有关联目标与无关目标的混合多目标合作博弈最小二乘预核仁与核仁解求解模型.其次,我们将经典的合作博弈最小二乘预核仁求解方法与核仁解算法推广到多目标合作博弈中,利用拉格朗日乘子法与伪逆理论得到了多目标合作博弈的最小二乘预核仁的显性表达式与最小二乘核仁解算法,并通过凸函数的性质,重新证明了该算法的有效性.最后,利用水资源的数值算例,说明并验证了文中构建的模型的正确性与有效性,并通过对比可知所构建模型的优越性.     

阵元位置误差自校正的累量域辅助阵元法

阵元位置误差会严重影响多重信号分类(multiple signal classification, MUSIC)算法的测向性能,为此给出了一种阵元位置误差自校正的累量域辅助阵元法。首先构造了一种最大非冗余四阶累积量矩阵,并基于该矩阵实现了信源方位和阵元位置误差的联合估计,其中信源方位的估计需要一维搜索,而阵元位置误差的估计需要求解一个线性最小二乘问题。在一定假设条件下,对新算法的参数估计一致性做了理论分析。仿真实验表明：新算法可以减少对辅助阵元个数的要求,并且减弱了高斯色噪声对算法参数估计性能的影响。     

一种机载前视雷达杂波距离依赖性补偿方法

针对机载前视阵雷达近程回波距离依赖性严重,直接距离采样估计杂波协方差矩阵会导致地面动目标检测(ground moving target indication, GMTI)性能下降,提出了一种完全基于数据的前视阵雷达处理新方法。该方法利用最小二乘准则对近程的杂波进行变换,然后再进行空时自适应处理(space time adaptive processing, STAP)。该方法不需要知道雷达的先验参数,在存在误差的情况下具有稳健性。基于计算机仿真数据的实验结果表明了方法的有效性。     

基于水声通信延迟的多UUV协同定位算法

针对多水下自治机器人(unmanned underwater vehicle, UUV)协同定位过程中水声通信延迟造成的定位失效问题,提出了一种基于状态估计均方误差最小的延时扩展卡尔曼滤波(delayed extended Kalman filter, DEKF)定位误差修正方法。首先建立考虑水声通信延迟的系统状态方程,利用状态转移矩阵推导系统等效量测方程,然后给出多UUV 考虑水声通信延迟的扩展卡尔曼滤波(extended Kalman filter, EKF)定位方法并分析其不足;最后在EKF方法的基础上,分析量测信息延迟对状态估计的影响,建立系统真实量测模型,设计基于状态估计均方误差最小的DEKF 算法。仿真结果表明,该方法能够有效地修正多UUV 协同定位中由于水声通信延迟造成的定位误差,在工程实践中具有一定参考意义。     

基于距离加权最小二乘的量测数据关联

量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。     

基于压缩感知的稀疏多径信道估计

提出了一种基于压缩感知理论的稀疏多径信道估计方法。利用训练序列设计了一种简化的Toeplitz结构观测矩阵,证明了观测矩阵满足限制等距特性,可以作为压缩感知的观测矩阵。根据此矩阵的近似正交性特点对正则化迭代硬阈值算法进行简化,并引入精英策略提出一种归档正则化迭代硬阈值估计算法。仿真结果表明,该估计方法相对于迭代最小二乘法具有更优的性能,且提出的归档正则化迭代硬阈值算法兼具收敛速度快和稳定性高的优点。     

基于压缩感知的多核稀疏最小二乘支持向量机

为了提高稀疏最小二乘支持向量机对高维、异构数据的泛化性能,提出新型的基于压缩感知的稀疏多核最小二乘支持向量机算法。首先根据压缩感知理论,用正交匹配追踪算法对最小二乘支持向量机的支持向量进行稀疏化,再利用线性多核扩展法求出新的核函数矩阵。将新的核矩阵应用到最小二乘支持向量机,得到稀疏多核最小二乘支持向量机的解,用稀疏的支持向量实现函数回归。理论分析与数据实验对比结果表明该模型对于高维、异构数据能够更快更准确地进行训练,大大提高了模型的泛化能力和运算速度。     

基于线性变换的阵列幅相误差自校正算法

针对天线阵列的幅相误差严重影响阵列测向算法估计性能的问题,提出了一种基于线性变换的阵列幅相误差自校正算法。该方法通过利用幅度相位特性一致的辅助阵元,进行矩阵的正交线性变换,并结合最小二乘法算法,有效地估计阵列的幅相误差系数和入射信号的波达方向。其不需要谱峰搜索,无特征分解运算,计算量小,复杂度低,可实现对阵列幅相误差的快速校正。计算机仿真实验结果验证了该算法估计性能的有效性。     

合成孔径雷达景象匹配中制导导弹定位

研究了合成孔径雷达景象匹配中制导中的导弹定位问题。部分孔径成像是景象匹配中制导合成孔径雷达有效的成像模式,为便于利用多匹配点定位,提出了聚焦多普勒波束锐化成像方法。建立了基于匹配点距离差和多普勒差,并考虑了高度、速度和匹配点位置测量误差的定位模型。推导了位置估计的克拉美-罗下限（Cramer-Rao lower bound, CRLB）。提出了一种基于最小二乘的闭式求解算法。理论分析表明,在一定近似条件下,这一算法的估计精度到达CRLB。仿真分析了各种误差因素对CRLB的影响,验证了算法的理论分析结果及其有效性。     

多变量混沌时间序列Volterra自适应实时预测

针对多变量混沌时间序列,给出一种Volterra滤波器实现结构.该滤波器利用基于奇异值分解的最小二乘法确定初始核,通过归一化最小均方差(normalized least mean square,NLMS)算法实时确定滤波系数,并用这种多变量Volterra结构对Lorenz时间序列进行仿真.计算结果表明,在无噪声情况下,该方法的实时一步预测精度比目前单变量混沌时间序列Volterra自适应预测方法的一步预测精度提高了102倍,表明这种实现结构易实现且收敛性能更好;在有噪声的情况下,该方法的实时多步预测性能优于局部多项式预测法的多步预测性能,且抗噪性更强.