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.     

基于压缩感知和递归最小二乘的IR-UWB信道估计算法

为了减轻脉冲无线超宽带(impulse radio ultra-wide band, IR-UWB)接收机高采样频率的负担,提出了基于压缩感知和递归最小二乘的低采样率信道估计算法。该算法先令接收到的训练符号通过随机滤波器,并对其欠采样,对采样到的信号进行递归最小二乘计算,最后利用压缩感知重构算法得到信道参数的估计值。提出的算法能够在低采样率的情况下对IR-UWB信道参数进行有效估计。该算法一方面降低了接收机对于模数转换器的要求;另一方面,低采样率产生较小的数据量,从而降低了估计算法的计算量。     

约束最小二乘无源定位算法的求解与分析

针对约束最小二乘无源定位算法中最优Lagrange乘数的求解问题,提出了新的计算方法。通过详细分析该定位算法的最优化问题求解过程,给出了求解最优Lagrange乘数的准确公式,同时将其转化为等价的多项式方程,并推导了相应的多项式方程系数。通过仿真实验,分析了最小二乘定位算法的性能,重点分析了最优Lagrange乘数的选取对算法性能的影响,并给出了经验选取方法,验证了所提方法的正确性和有效性。     

基于偏最小二乘回归的可靠性增长费用分析

为消除武器装备可靠性增长费用建模中自变量之间的多重相关性,引入了偏最小二乘回归分析,并针对某型现役装备使用阶段可靠性增长费用数据进行了建模与分析。结果表明,与一般的多元回归分析相比,偏最小二乘回归分析避免了自变量之间多重相关性带来的问题,能够得到与实际经验相符合的模型。     

MIMO雷达约束总体最小二乘改进算法

针对多输入多输出MIMO雷达目标定位系统中基于最小二乘算法的AOA定位精度低的缺点,分析出造成这一缺点的原因是系数矩阵存在误差.进而利用系数矩阵误差存在相关性的特点,提出用约束总体最小二乘法进行目标定位,推导了定位均方误差公式.计算机仿真证明该方法比普通最小二乘法具有更好的定位性能.     

基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

基于模糊聚类与非线性最小二乘法的径向基网络设计

针对径向基网络构造的关键，径向基函数中心位置的合理选取，利用改进的模糊聚类法给出了径向基网络中心的选择算法，并在此基础上结合非线性最小二乘法，提出了一种新的网络递推学习算法，这种学习算法充分利用径向基网络的二次信息，迭代地确定径向基函数的中心位置和 网络的权系数。通过运用于泵站特性曲面的拟合，证明了该算法的行之有效的。     

多测站测量角量误差的最小二乘修正

在使用光测网对运动目标进行多站定位时，由于受到诸多干扰因素的影响，定位点的测量值并不唯一，从而影响目标定位的精度。提出一种新的迭代初始值——公垂线中点。为了进一步提高估计精度，结合多站最小二乘交汇定位法对目标定位，并对各测站的测量角量做了残余系统误差的最小二乘修正。最后，还给出一个随机模拟实例以验证所提算法的可行性。     

递推最小二乘算法的补充性证明

在使用递推最小二乘算法时，通常考虑的情况是训练样本所构成的方程组为矛盾方程组时该算法的收敛情况。本研究对递推最小二乘算法进行了理论证明及分析，指出了在任意第k步，未知参数估计值收敛于前k组数据的极小范数解(如果前k组数据所组成方程组为相容方程组)或者极小范数最小二乘解(如果前k组数据所组成方程组为矛盾方程组)，并且此解是唯一的；仿真结果同样也验证了该结论的正确性。     

热力站最小二乘建模法仿真研究

针对集中供热热力站一类热工对象,提出一种基于典型信号响应的最小二乘建模方法.方法的原理是在已知典型脉冲、阶跃、斜坡信号响应的条件下,按照最小二乘的模式,推导出被辨识连续系统模型参数.应用该方法对一个实际热力站的供热过程模型进行辨识,仿真研究表明,与其他常规辨识方法相比,所取得的辨识结果的精度有明显的提高.该方法简单、易行,具有较好的实用性.     

基于传感器网络的气体源定位方法研究

提出一种分层结构的自组织无线传感器网络(WSN)用于气体污染源的定位研究,可以广泛应用于反恐、环境监控等场景。在修正的气体污染源浓度衰减模型基础上,提出一种改进的非线性最小二乘算法(I-NLS)以及极大似然算法(MLE)用于气体污染源定位。仿真试验对比研究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。试验结果表明了这种分层结构的WSN用于气体污染源定位是可行的,同时验证了I-NLS、MLE两种算法定位的有效性。     

基于SOM的WSN节点定位算法与仿真实现

结合自组织神经网络（Self Organizing Maps,SOM）算法无监督学习特征和WSN自组织特点,提出了一种分布式的基于自组织神经网络的节点定位算法（Distributed Self-Organizing-Map and Received Signal Strength Indication,DSOM-RSSI）。DSOM-RSSI使WSN中的节点自组织为多个交叠的簇,通过多个簇头的并行计算,实现分布式的节点定位。DSOM-RSSI直接利用无线信号强度指示值进行定位,减少了以往把无线信号强度转化为距离后再来进行定位带来的误差和计算量。试验结果验证了该方法在定位精度和算法复杂度方面性能优于集中式的基于测距的自组织节点定位算法。     

Accurate energy model for WSN node and its optimal design

With the development of CMOS and MEMS technologies, the implementation of a large number of wireless distributed micro-sensors that can be easily and rapidly deployed to form highly redundant, self-configuring, and ad hoc sensor networks. To facilitate ease of deployment, these sensors operate on battery for extended periods of time. A particular challenge in maintaining extended battery lifetime lies in achieving communications with low power. For better understanding of the design tradeoffs of wireless sensor network （WSN）, a more accurate energy model for wireless sensor node is proposed, and an optimal design method of energy efficient wireless sensor node is described as well. Different from power models ever shown which assume the power cost of each component in WSN node is constant, the new one takes into account the energy dissipation of circuits in practical physical layer. It shows that there are some parameters, such as data rate, carrier frequency, bandwidth, Tsw, etc, which have a significant effect on the WSN node energy consumption per useful bit （EPUB）. For a given quality specification, how energy consumption can be reduced by adjusting one or more of these parameters is shown.     

最小二乘支持向量机参数选择方法及其应用研究

针对最小二乘支持向量机参数选择问题，提出了一种基于三步搜索技术的参数选择方法，理论分析表明了这种方法的有效性和优越性，可以优化选择最小二乘支持向量机参数。然后把该方法用于钢材淬透性建模中的参数选择，仿真结果表明，这种方法可以得到优化的参数，从而获得精确的建模效果。     

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。     

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.     

An Exact Solution and its Extensions for Generalized Linear Least Squares Problems

ＡｎＥｘａｃｔＳｏｌｕｔｉｏｎａｎｄｉｔｓＥｘｔｅｎｓｉｏｎｓｆｏｒＧｅｎｅｒａｌｉｚｅｄＬｉｎｅａｒＬｅａｓｔＳｑｕａｒｅｓＰｒｏｂｌｅｍｓＬＩＵＸｉａｏｍｉｎＤｅｐｔｏｆＡｐｐｌｉｅｄＭａｔｈ．，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａ...     

WSN中多跳均匀分簇路由算法的设计与仿真

针对传统LEACH协议的不足,提出一种改进的多跳均匀分簇路由（EMR：Equal-cluster-based Multi-hop Routing）算法。EMR算法从剩余节点中随机选择候选簇头,通过候选簇头的竞选半径和节点剩余能量来确定分布相对均匀的簇头,从而完成整个无线传感器网络的簇头确定,簇头之间采用以簇头节点剩余能量和链路传输代价的权值为依据的多跳路由协议。实验仿真结果表明,EMR算法相对LEACH协议、LEACH-E协议和MTE协议更有效地节省了节点的能耗,能显著地延长网络的存活时间。     

高密度无线传感器网络分簇定位算法

节点自身定位是无线传感器网络应用的支撑技术之一。提出了一种适用于大规模高密度无线传感器网络的分簇定位算法。首先定义了节点的势作为簇首选举依据,网络中节点间的距离由接收信号强度和通信半径的关系间接计算得到,各簇内的拓扑信息由簇首保存,簇首利用线性规划法实现簇内相对定位;随后从sink节点开始逐步进行簇间位置融合,最终实现全网的绝对定位。相比集中式的凸规划定位算法,所提算法计算复杂度低、通信量小、定位精度高,且不需要预先知道环境中的信号衰减因子,有一定的抗噪声干扰能力。仿真结果显示,在节点按均匀网格分布和均匀随机分布两种情况下,所提算法能取得较好的定位效果。