减少无线传感器网络节点定位误差的方法

为提高无线传感器网络节点定位精度,提出3种基于距离信息的改进定位算法:改进三边测量法、加权最小二乘估计、抗差最小二乘估计.在一定先验假设情况下,对三边测量法以及由其衍生出最小二乘估计进行改进,并将抗差最小二乘估计方法引入到节点定位计算之中.仿真结果表明:3种算法能够有效减少定位误差.抗差最小二乘估计在系统存在粗差情况下效果尤其显著.当系统对能耗要求严格时,可采用改进三边测量法或加权最小二乘估计替代抗差最小二乘估计.     

河段汇流参数抗差估计研究

当河段实测出流流量值被不服从正态分布的异常值污染时,最小二乘法不能获得参数最优估计.为此,采用崩溃率为20%、附有条件的抗差最小二乘法估计马斯京根汇流参数最优值.通过对闽江永安河段理想模型参数的计算,比较了参数抗差最小二乘法与最小二乘法抵抗2类误差的效果.结果表明,抗差最小二乘法能排除异常值对参数估计的影响而获得稳健性的参数.     

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。     

抗差估计在GPS网空间坐标系转换中的应用

本文将抗差估计理论运用于GPS网空间坐标系间转换参数的求解,从理论上阐述了抗差估计求参的数学模型及精度评价指标。同时结合卖例,将抗差估计与最小二乘估计在GPS网空间坐标系间转换参数求解应用进行分析比较,结果表明当转换基准点存在不稳定点时,采用抗差估计法能有效剔除粗差,其计算结果精度明显高于最小二乘估计法。     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

AR模型参数的抗差估计研究

实时校正一般以实测洪水流量为校正依据.研究实测洪水流量过程出现异常值时,采用抗差递推最小二乘法代替传统递推最小二乘法估计AR模型参数,能获得更稳健的参数结果.将闽江七里街流域的洪水资料人工生成异常值,对采用抗差递推最小二乘法和传统递推最小二乘法所得的校正结果进行比较,结果表明抗差递推最小二乘法具有更强的容差能力,是一种稳健的参数估计方法.     

AR模式误差修正方程参数抗差估计

把抗差理论引入自回归(Auto-Regressive，简称AR)模型的参数估计中，利用抗差系统具有的抗差能力，可以阻止非正常因素进入系统，保证洪水预报精度。为此，首先介绍几种常用估计方案(Huber估计、IGG估计)的抗差特征函数，然后与传统的最小二乘法进行比较，最后给出算例。算例表明：对于正常观测值，采用Huber法、IGG法及LSM法均能取得比较满意的结果；如观测值中存在粗差(非正常值)，则用LSM法估计的结果就很不合理，而用Huber法及IGG法能取得较好结果。     

不同类型观测数据的动态最小二乘估计

本文研究、提出了不同类型观测数据的动态最小二乘估计和具有抵抗粗差能力的动态最小二乘抗差估计。这一问题的研究和解决对充分应用各种类型的观测数据于变形分析、提高变形分析成果的精确度有重要意义。     

污染模型下的最小二乘估计

研究了污染模型下观测值的分布结构及方差，并以此为基础导出了污染模型下的最小二乘估计．结果表明，在测量平差中常用的随机误差模型下，该估计就是李德仁教授提出的验后方差估计；而在均值移动模型下，该估计是均方误差最小的稳健估计．     

利用AR(p)模型的抗差最小二乘估计预报城市地铁隧道工程变形监测数据

变形监测数据由于受多种因素的影响,观测值的精度会有所不同,观测值中也会出现异常值。选择观测值残差平方的倒数作为观测值的权矩阵,利用加权最小二乘法进行预测,能提高观测值预测的精度,并应用抗差估计对含有粗差的观测值进行预报,能有效提高观测值预报的精度。某城市地铁隧道工程地表沉降预报的实验数据证明加权最小二乘估计和抗差最小二乘法的合理性、有效性和可行性。     

非线性LTS稳健估计方法

为使原始LTS(least trimm ed squares)方法能够处理非线性问题,研究非线性LTS稳健估计方法。说明该方法的解一定是部分观测值的非线性最小二乘估计。该方法可通过求解非线性最小二乘问题得到确切解。基于MM EA(m in im um m ax im um exchange a lgorithm)算法和非线性最小二乘技术,构建求解非线性LTS估计近似解的算法。仿真结果表明非线性LTS估计方法能够同时抵抗来自X方向和Y方向的多个异常,与传统方法相比具有更好的稳健性。     

参数估计的新进展—稳健MM估计在平差上的应用

本文在评述当前稳健估计在测量平差上应用的基础上,进一步提出应采用双重型M估计,即MM估计,使之更符合测量平差的实际需要。由MM估计所得的刻度参数(scale parameter),不仅可进一步保证位置参数(location parameter)的稳健性,而且由于其本身的稳健性,使它比中误差更能合理地反映观测精度。     

工具变量线性回归模型的指数平方损失估计

在讨论协变量和响应变量关系时,常会遇到内生变量,已有关于内生变量的研究大多是在最小二乘目标函数的框架下讨论,然而该方法不具有稳健性,鉴于此,本文采用指数平方损失估计方法,构造模型中回归系数的稳健估计.为了克服内生变量对估计产生的偏差,利用工具变量消除协变量的内生性,再构造回归系数的指数平方损失估计;针对指数平方损失目标...     

一次范数最小稳健估计在高程混合网中的应用

目的探讨如何获得高程混合网高精度的平差结果。方法结合高程混合网的模拟计算,分别采用下面4种方法平差,即:第1种,不考虑三角高程测量中折光系数影响的最小二乘法;第2种,考虑三角高程测量中折光系数影响的最小二乘法;第3种,不考虑三角高程测量中折光系数影响的一次范数最小稳健估计;第4种,考虑三角高程测量中折光系数影响的一次范数最小稳健估计。结果上述第2种方法比第1种方法精度高,第3种方法与第4种方法精度相当,且均高于第1种方法和第2种方法。对于一次范数最小稳健估计,权函数中常数c越小,平差结果的精度越高。结论在高程混合网中,上述4种方法中,第3种方法是最佳的,因为它精度最高,同时野外工作量最小。在按一次范数最小稳健估计计算时,应根据需要和实际,选择尽量小的c值。     

模型基编码中实时三维运动估计的新方法

将自适应迭代松弛搜索算法RSA引入到MPEG4模型基编码的三维运动参数估计中，解决了估计算法的稳健性问题。经过简化计算的复杂度，得出一种快速算法，大大提高了估计速度。同时设计有效的参数初值设置和调整方法，改善了估计的准确性，使之更适用于长序列实时运动估计。通过与预测最小均算法PLS和扩展的卡尔曼滤波算法EKF进行模拟数据和真实序列实验比较，证明本文提出的RSA算法具有很好的鲁棒性和准确性。     

一种鲁棒的约束总体最小二乘无源定位算法

摘要：
为解决异常误差导致的机载单站无源定位不准确问题,提出了一种鲁棒的约束总体最小二乘(RCTLS)定位算法.首先建立定位模型,构建了加权的约束总体最小二乘(WCTLS)定位准则,并给出了牛顿迭代解.然后,利用广义M估计原理构建了WCTLS准则的鲁棒极值函数,将鲁棒CTLS问题转化为对等价权函数的设计问题,并根据丹麦法构建了等价权函数.理论分析表明,RCTLS算法能够有效识别异常误差,并降低异常测量数据的权值以减小其对定位结果的影响.仿真结果显示,存在异常误差时, RCTLS算法能够获得理想的定位估值,具有较强的鲁棒性.
     

一类修正时变参数 LS 估算法及其工业应用

提出了一类修正ＬＳ估计算法，它不仅具有较强的实时跟踪能力和较高的估计精度，而且能克服病态估计，摆脱伪随机信号在工程中带来的麻烦．新算法计算简单，非常适合于工程应用，仿真及实际应用结果都证明新算法是有效的．文中给出了有关新算法的定理及其证明．     

无线传感器网络在气体源预估定位中的应用

基于气体污染源浓度衰减模型,分别采用极大似然预估算法(M LE)、非线性最小二乘算法(NLS)对气体污染源定位进行了研究。仿真实验对比了两种算法在不同的传感器节点以及背景噪声情况下对预估定位误差的影响。结果表明:当环境背景噪声较小时,NLS可以得到比M LE算法更精确的预估结果。当环境背景噪声较大时,M LE算法比NLS算法有着更强的鲁棒性。     

基于二次型规划考虑网络丢包的鲁棒状态估计

提出一种可以体现网络丢包的离散时间线性时不变状态空间模型,并将鲁棒状态估计的问题转化为向量优化问题.为了能够快速有效地对该问题进行求解,通过标量化方法将向量优化问题转化为普通的标量二次型规划问题,然后将状态估计问题转化为对标准l1正则化最小平方问题的求解.结合Kalman滤波的更新过程,提出了能够适用于具有数据包丢失情况下的鲁棒状态估计算法,通过仿真实验验证了算法的有效性.     

约束型矩阵最小二乘估计预测

本文提出了约束型矩阵模型的最小二乘估计预测量,矩阵型MSE准则,矩阵型RT(·)准则,矩阵型MDE-准则.进一步,给出了约束型矩阵模型最小二乘估计预测关于MSE准则、RT(·)准则优于它的最佳线性无约束矩阵型最小二乘估计预测的充要条件.探究RT(·)准则与MDE-准则的相互转化关系,给出了约束型矩阵模型最小二乘估计预测优于无约束矩阵型最小二乘估计预测的充要条件.