基于线性最小二乘估计的双基地声纳定位优化算法

针对双基地声纳系统存在冗余信息的问题,基于线性最小二乘估计理论提出了一种定位优化算法,建立了T/R？R型声纳系统水下定位的数学模型。通过MATLAB软件的仿真分析,给出了影响该算法性能的各个因素,并与传统TOL算法进行了对比。仿真结果表明,采用线性最小二乘估计算法能更好地利用系统测量的冗余信息,显著提高双基地声纳基线区和侧边区的定位精度。该算法具有受基线长度和站址误差影响小等优点,是一种具有工程应用价值的双基地声纳定位算法。本文的研究可为多基地声纳定位优化问题的研究提供理论基础。     

基于GDOP定位误差的双基地声纳算法

根据双基地声纳定位的特点,给出了基于发射机算法、接收机算法以及波达方位算法等6种双基地声纳的定位算法,并推导出各自的定位精度的几何稀释(GDOP)误差.通过数值仿真,得到了这6种算法的误差分布,并且给出了目标位于不同区域时,精度最高的算法.通过比较,筛选出能获得较高定位精度的测量参量.仿真结果表明,与单基地声纳相比,只要在不同区域选取合适的算法,双基地声纳将会获得更高的定位精度.     

基于最小二乘法的牛顿迭代信源定位算法

文中结合多种信源定位技术中的定位精度问题，提出了一种基于最小二乘法的牛顿迭代定位算法．以水声定位为例．对该算法进行了计算机仿真．并与最小二乘法的仿真结果进行了比较，结果表明该方法对于提高信源定位精度是有效的。     

一种多基地声纳的联合估计定位算法

为了改善双基地声纳在某些区域(如基线区、发射和接收站的侧边区)定位性能,最有效的方法就是增加发射和接收站的数量,形成多基地声纳系统.而目前较成熟的多基地算法的测量子集都包含3个测量量,基于此提出了一种将基于波达时间的多基地声纳定位算法(TOL)和基于方位测量的多基地声纳定位算法(BOL)的测量子集进行联合估计,并将这种新算法与包含6个测量量的测量子集的多基地声纳定位算法做比较.仿真结果证明,提出的联合测量子集定位算法的定位精度要比多基地TOL、BOL以及多个测量的多基地声纳定位算法的定位精度都要高.     

基于最小二乘法的 GNSS 伪距测量定位

为解决GNSS导航定位精度误差增大的问题,提出一种基于最小二乘法的GNSS伪距测量定位模型.通过最小二乘法对导航解进行迭代校正,采用五卫星的ECI坐标系的目标位置求解来进行仿真验证.仿真结果表明:通过定位模型解算出的定位位置精度误差可达10-1 m,速度精度误差可达10-2 m/s,能够满足定位精度.同时,通过使用该模型可以解决定位误差增大的问题.     

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理,提出了基于加权最小二乘估计(WLS)的双基地声呐定位优化算法,给出了算法的原理和误差分布.通过数值仿真,研究了系统参数对算法定位精度的影响,给出了不同条件下定位误差的几何分布.并将该算法与单纯基于声波到达时间算法的定位性能进行了比较.仿真结果表明,双基地WLS算法充分利用了双基地系统的冗余信息,具有较高的定位精度.该研究为多基地声呐水下目标的探测、定位和跟踪提供了理论依据.     

基于粒子群算法优化最小二乘支持向量机的电路故障诊断方法

针对数／模混合电路故障的特点,采用将粒子群算法与最小二乘支持向量机相结合的故障诊断方法,在保证诊断过程准确率的基础上,实现多类故障的快速诊断。在诊断过程中,支持向量机的参数寻优过程存在随意性、盲目性和效率低等问题,采用改进的粒子群算法优化支持向量机的参数,建立基于支持向量机的故障分类模型。实验结果表明,与其他方法相比,该方法提高了故障诊断的精度,具有明显的实用价值。     

加权最小二乘融合技术在主动侧杆中的应用

针对主动侧杆伺服跟踪系统中角位移传感器(rotary variable differential transformer,RVDT)和旋转变压器 去除噪声的问题,提出一种加权最小二乘(weighted least squares,WLS)算法。以主动侧杆系统为研究对象,在最小 二乘算法、递推最小二乘算法的基础上,对主动侧杆伺服跟踪系统进行分析,通过最小二乘算法、递推最小二乘算 法、加权最小二乘算法融合算法进行仿真。通过对比3 种融合算法的仿真结果,结果证明：该算法使伺服系统获得 了更精确的位置信息,具备去除噪声的优越性以及可行性。     

基于非线性最小二乘法的姿态优化算法

在无陀螺捷联惯导系统中,在一种适合高自旋弹丸运动姿态测试的十二加速度计配置方案下,针对由十二加速度计的输出直接解算出角速度的方法中没考虑加速度计的安装误差问题,提出一种提高角速度解算精度的优化算法。该方法基于非线性最小二乘法从姿态角的一组初值出发开始在每一点处进行线性替代的迭代计算,搜索出满足极值点必要条件的最优角速度,从而实现对姿态角的优化解算。实验证明:该方法能有效抑制安装误差,精度高,是可行的。     

一种TDOA/AOA联合定位的算法

针对地面辐射源目标的定位问题,提出一种TDOA／AOA联合定位算法。将一个传感器放置在地面上的一个固定平台上,测量辐射源相对于该传感器的方位角与俯仰角;将另一个传感器放置在一个运动的平台上,根据不同的时刻测量不同的时差量测值,进而建立求解目标位置估计值的最小二乘算法。仿真结果表明：该算法可以有效提高系统的定位精度,特别是TDOA的测量值应用得越多,则定位精度越高。     

Bistatic Sonar Localization Based on Best Linear Unbiased Estimation

A best linear unbiased estimation （BLUE） algorithm for bistatic sonar localization is proposed. The Cramer-Rao bound for bistatic Sonar and the geometrical dilution of precision （GDOP） in different conditions are given. The simulation results show that the location accuracy of BLUE algorithm is higher than the weighted least square method.     

T2-R型多基地声纳定位精度研究

建立一种T²-R型多基地声纳定位的几何模型,提出利用时间-方位信息进行目标定位（MTBL)算法,并给出算法定位误差的几何分布。通过数值仿真,重点研究了基线长度、声源配置和测量误差对算法定位精度的影响,并对其他影响因素也作了定性分析。仿真分析结果表明：随着基线长度增加,大部分区域定位精度提高;在一定的声源配置方式下,算法精度对时间测量误差比较敏感,而方位测量误差对定位精度影响较小;合理进行声源配置,可以提高探测区域的平均定位精度。该研究为T²-R型多基地声纳的水下定位提供了理论依据。     

基于最佳线性无偏估计的双基地雷达走位方法

利用坐标转换后的伪测量值，根据最佳线性无偏估计原理，提出一种双基地雷达目标的定位方法并给出了算法定位误差的Cramer-Rao理论下限表达式，在不同噪声条件下对算法进行仿真计算，结果表明该方法可以显著提高双基地雷达目标的定位精度，其理论下限和仿真结果都明显优于最小二乘方法。     

基于双站距离空间投影的多目标定位方法

介绍了基于观测空间投影的定位方法,分析了其存在的问题,提出了一种基于双站距离(BR)空间投影的传感器网络多目标定位方法,建立了BR空间投影模型,解决了影响定位精度的空变性问题。同时,该方法将回波的概率信息作为投影量,进一步提高定位精度。最后,采用贪婪清除策略抑制旁瓣,提高目标位置的提取精度。仿真实验验证了该方法的有效性,与基于观测空间投影的方法相比,该方法的定位精度得到了明显提高。     

基于递推加权最小二乘法的寻北抗干扰算法?

针对定向设备寻北过程中易受阵风、人员走动等随机干扰影响降低寻北精度的问题,提出了基于递推加权最小二乘估计的定向设备寻北抗干扰算法。该算法以定向设备惯性敏感器输出数据为观测量,实时辨识数据的有效性和精度,并计算加权系数,通过递推算法进行数据滤波,提高了动态条件下惯性器件输出测量数据的估计精度。试验结果表明,该算法能够确保定向设备在5级阵风、发动机和载车取力发电干扰条件下的寻北精度。     

基于递推最小二乘法的永磁同步电机参数辨识

针对永磁同步电机在运行中电磁参数的改变,通过对永磁同步电机稳态数学模型的推导,利用递推最小二乘法对电机的电阻、电感进行在线辨识。在Matlab/simulink中搭建辨识模型进行分析比较,验证该方法可以准确辨识出电阻、电感的值。仿真结果表明,递推最小二乘法简单可靠、易于实现,具有很高的准确性,能够很好地跟随电机参数的变化,具有一定的实用价值。     

基于偏最小二乘回归分析的试验装备修理成本预测

为了科学预测试验装备修理成本,提高维修经费决策质量,引入偏最小二乘回归分析（Partial Least Squares Regression,PLSR）对试验装备修理成本进行预测。针对试验装备修理成本小样本、贫数据、特征量相关性强的不利条件,构建预测模型;基于以往数次大修相关数据,预测试验专用装备使用期的某次大修成本。同时,为保持模型的稳健性,提高模型解释能力和预测精确度,尝试利用变量投影重要性分析对模型进行优化,取得了较好的效果。实例证明,该方法不仅能在多变量间存在严重多重相关性情况下建立模型,而且能够有效筛选与因变量关系不大的自变量,简化输入样本集。