最小二乘估计中法方程的迭代解法

从求解严重病态线性代数方程组的实际出发，提出了一种求解最小二乘估计中法方程的迭代方法－谱修正迭代法，该迭代公式不仅直观、简单，而且适用于良态，病态和奇异系数阵的各种情况，最后通过实例验证了上述结论。     

基于信噪比的正则化方法及其在GPS快速定位中的应用

本文针对GPS快速定位中设计阵病态性的特点,提出了一种新的正则化方法.该方法首先利用参数LS估计的信噪比提取了各个参数是否受到复共线性严重危害的信息,从而在一定程度上揭示了设计阵复共线性结构的特征.然后针对复共线性的特征,以信噪比为依据构造正则化矩阵,以极小化均方误差为目标选取正则化参数,提出了基于信噪比的正则化方法（SNR）.最后进行的数值试验表明,本文提出的SNR方法较好地利用了复共线性特征的信息,处理病态问题针对性更强,解算效果更佳.     

基于谱增益迭代的先验信噪比估计语音增强算法

结合经典的谱增益算法和迭代算法,提出了一种基于谱增益迭代的先验信噪比估计语音增强算法.也就是通过谱增益的循环迭代,实现纯净语音信号估计逐步逼近真正的纯净语音,然后根据先验信噪比定义更新先验信噪比的估计值,反过来,又更新了谱增益值,从而实现噪声消除.同时这种方法解决了基于直接判据算法,先验信噪比估计值比后验信噪比估计值延迟一帧的问题,从而有效地消除"音乐噪声".试验表明,这种算法能够有效地消除噪声.     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

基于总体最小二乘的泰勒级数展开的TOA的UWB定位方法

泰勒级数展开算法在求解非线性定位方程组中有着高精度、强顽健性的特点。针对其在TOA定位的初始值确定问题,提出一种基于总体最小二乘的泰勒级数展开的TOA的UWB定位算法。考虑TOA的测量误差,利用总体最小二乘评估目标点的初始位置,将此值作为泰勒级数展开点。最后,使用加权最小二乘迭代计算搜索最优值,从而实现目标点的精准定位。仿真结果表明,所提出算法在定位精度近似于真实值的泰勒级数展开算法的性能。     

大地测量病态线性问题解算的奇异值修正

Tikhonov方法和截断奇异值方法是处理大地测量病态线性最小二乘问题常用的两种方法。基于两种方法处理病态问题的思想,根据奇异值分布空间差异性,提出了一种混合正则化算法。该算法通过对奇异值进行差异性修正,提高参数估计解的精度和稳定性,最后采用数值案例验证了该方法的有效性。     

基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

线性回归模型的一类新约束型LIU估计

针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

一种改善Turbo码选代译码收敛特性的方法

Turbo码可为数字通信系统提供接近信道容量的纠措能力，其迭代译码算法的收敛稳定性是算法能否实用的关键因素之一。针对短长度交织器对随机错误扩散能力弱带来的迭代收敛稳定性差的问题，在Turbo码的常用迭代译码方法的基础上加以改进，利用前后两次迭代序列的信息熵引入选代进步因子以发送迭代译码的收敛特性。给出了迭代步进因子的产生方法并进行了计算机仿真，仿真结果表明，该方法可有效改善短交织长度时Turbo码的迭代泽码收敛特性。     

卫星通信中多重Turbo码技术的应用

卫星通信信道具有功率受限、带宽充足的特点,要求采用具有强大纠错能力的信道纠错技术.Turbo码以其接近信道容量的纠错能力而在卫星通信中有广阔的应用前景.多重Turbo码可以充分利用信道的带宽特性,并能克服功率受限的弱点.针对卫星通信的需要,采用了多重Turbo码的编码形式,设计了几种译码结构,对不同译码结构的纠错能力进行仿真比较,结果表明设计方案具有接近信道容量的纠错能力,同时由于码长较短,为实际实现和处理时延的减少带来方便.     

预处理并行AOR迭代法

AOR迭代法是经典的迭代法,不同的AOR迭代法和并行AOR迭代法被广泛研究.近年来,预条件迭代法引起了人们的极大兴趣,提出了多种预条件因子.论文提出预处理并行AOR迭代法,并给出了相应的收敛性和比较理论.最后,通过数值例子说明新算法的有效性.     

配合平衡离子分布的尝试迭代法求解

用经典迭代法求解配位体不过量的配合平衡系统的离子分布十分困难,而用作者提出的尝试迭代法却能顺利求解,尝试迭代法的作法是：从千千万万组离子浓度的取值中,用尝试法筛选出若干组满足尝试公式的离子浓度,再用失代法确认出其中正确的那一组。     

线性规划的宽邻域预估校正算法

提出了一种新的内点算法--宽邻域预估校正算法。该算法基于经典预估校正算法思想,把窄邻域拓展到宽邻域里,使算法更快地迭代。给出了算法的具体步骤,讨论了其计算复杂性,分析结果表明,所给算法是一多项式时间算法。通过数值实验验证算法的有效性。     

矩阵方程AX=B的Hermitian-广义Hamiltonian矩阵解的迭代算法

利用正交投影、Hermitian-广义Hamiltonian矩阵类的结构与性质及奇异值分解,讨论了矩阵方程AX=B的Hermitian-广义Hamiltonian矩阵解及其最佳逼近的迭代算法,证明了算法的收敛性,求出了相应的最佳逼近解,并给出了相应的算法步骤和数值例子.     

细纱机主轴系统的动态设计

根据细纱机主轴系统的动特性要求 ,应用结构动力学修改方法来修正支承和联轴节单元的刚度 ,以使主轴系统的动特性满足设计要求 .根据修正过的支承和联轴节的刚度 ,一个弹性支承和弹性联轴节的实际结构已经被设计出 .比较具有弹性支承和弹性联轴节的主轴系统的数字仿真与设计要求 .其一致性证明了 SDM方法的有效性和设计方法的正确性 .     

基于Tikhonov正则化与模型减缩技术的虚拟迭代载荷反求

将模型减缩技术应用于动态响应的求解,基于Tikhonov正则化载荷反求方法,在迭代过程逐步修正载荷信号,使系统的响应逼近期望响应信号,最终精确反求出载荷信号.算例表明,该方法相对于传统Tikhonov方法,既保留了良好抗噪特点,同时又提高了峰值载荷处的反求精度,从而使得整体反求精度更高.     

解非线性椭圆边值问题的逐层显式校正迭代法

本文提出一种求解非线性离散椭圆边值问题的逐层显式校正迭代法.该方法有效地融合了多层网格方法和扰动迭代方法.有关数值分析表明,当网格分划较细且分划参数h较小时,在各网格层上仅需一次简单的迭代和显式校正步骤就可满足数值计算的要求.使用该方法的计算量是最佳阶的,它是最细网格层节点变量个数的同阶量.