带未知丢失观测率和传感器偏差的多传感器AR模型融合辨识

研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器偏差进行在线辨识。应用矩阵加权线性无偏最小方差最优融合估计准则得到AR模型参数的融合估计。通过AR模型与状态空间模型之间的转换和相关函数获得各传感器观测收到率和观测噪声方差估计值。仿真例子验证了此算法的有效性。     

最小二乘估计的性质

估计线性模型中的回归参数的基本方法就是最小二乘法,鉴于最小二乘估计在实际生活中的作用及其地位,就最小二乘估计的性质进行分析.     

用超定递推辅助变量算法估计振动系统模态参数

本文通过建立白噪声激励的结构振动系统的自回归滑动平均(ARMA)模型,用超定递推辅助变量(ORIV)法估计系统的模态参数。通过模拟计算将ORIV法与递推辅助变量(PIV)法进行了比较。由标准板和四分之一悬臂梁机翼模型随机振动实验数据作了方法可行性验证,将其结果与Box-Jenkins等方法的处理结果进行了比较,结果吻合较好。     

信道模型在无线通信环境中的适应性分析

为了更高效地分析无线传播环境下接收信号的相关性和频谱特性,提出了调整高斯散射体密度模型(Gaussian scatter density model,GSDM)和接收机位于外部的均匀椭圆模型(Uniform ellipse with receiver outside model,UERO)参数的方法。通过接收信号分量的均方根时延扩展和角度扩展来定义传播环境类型,使用最小二乘法来确定模型参数与时延扩展之间的关系。与模型参数最优值的比较结果显示,调整后两种模型的最小二乘误差普遍减小,说明此方法能有效地分析模型在不同传播环境中的接收角度的统计特性。     

ARMA模型的超定递推辅助变量定阶方法

本文提出了自回归滑动平均(ARMA)模型的超定递推辅助变量定阶方法.该方法具有好的计算性能和好的统计性质,相对于 AIC 信息准则和递推辅助变量定阶方法是一种更加灵敏的过参数指示器,能够准确明显地确定 ARMA 模型的阶数.方法的可行性用模拟计算和实验数据处理进行了验证,同时,还将该方法与递推辅助变量定阶方法进行了比较.结果表明:超定递推辅助变量定阶方法是一种行之有效的、高性能的定阶方法。     

缺失数据下部分线性EV模型的估计及其渐进性质

研究了响应变量随机缺失下部分线性测量误差(EV)模型的估计问题。利用核估计和最小二乘的方法给出参数β和非参数g的两步估计,并在适当条件下证明了它们的强相合性和渐近正态性,数值模拟表明第二步估计值比第一步估计值更优。     

误差在反映变量线性模型的估计

考虑反映变量有误差的线性模型Y=Xτβ e.在许多实际问题中,准确测得感兴趣的变量可能是很困难的,或者所需成本很高,因此通常用可观测的替代变量来代替.不对真变量和替代变量间关系作任何模型假设.利用主要数据和核实数据,基于最小二乘方法和核方法,应用参数降维方法获得β的估计量,并证明了β的渐近正态性.     

三维坐标转换算法的粗差探测比较研究

三维坐标转换的算法有很多种,除了最常使用的经典最小二乘平差外,还有整体最小二乘平差。整体最小二乘根据对误差分配方式的不同,又可分为奇异值分解法和混合最小二乘法。为了比较3种算法的粗差探测能力,通过实验模拟在不同粗差情况下,使用方差比值验证法进行粗差的探测。实验结果表明最小二乘和混合最小二乘算法均能识别较小的粗差,其粗差探测能力更加可靠。     

非线性模型参数有偏估计的一种改进

讨论了非线性模型Y=ax^b的对数线性化回归方程参数的普通最小二乘估计．指出估计无效的原因是对数线性模型的随机误差具有异方差性质．运用二步加权最小二乘法改进了参数的估计．并在模拟试验中证明了其优越性．     

振动系统时参数识别分析

本文利用变物理参数微分方程模型，讨论了刚度与阻尼随时间变化时，物理参数与参数的识别问题，比较了三种在线识别技术，数学模拟结果表明，采用变物理参数微分方程模型可比采用差分方程模型极大的提高最小二乘法识别阻尼比的精度，当加入系统的噪音较大时，有些改进识别方法失效，但最小二乘法仍能给出较好的估计。     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

一种快速建模的方法

模型的残差平方和是检验所建模型合适性的重要指标。例如,常用的模型定阶F检验方法或Akaike信息准则都要用到残差平方和^[1-2]。另外,在作出参数估计的同时,通常还要对被估参数的方差作出估计,也需要残差平方和.     

卫星导航系统与气压高度计的信息处理与融合

提出一种卫星导航系统与气压高度计的高度数据融合算法. 利用ARIMA(autoregressive integrated moving average)模型信号降噪技术对卫星导航系统和气压高度计的高度信号进行降噪处理. 建立高度测量系统的状态方程和量测方程,并结合卡尔曼滤波对高度数据进行第1 次融合,再利用递推加权最小二乘法对高度数据进行第2 次融合,得到精度更高的飞行高度信息. 实测数据分析结果表明：该算法所获得的高度信息与气压高度计、卫星导航系统相比,标准差降低一半以上,有效地提高了测量精度,可满足飞行器对高度测量信息的要求.     

自适应数字预失真系统的Householder块精确逆QR分解递归最小二乘法

在非常数包络调制系统中,数字预失真技术已成功应用于线性化功率放大器. 文中提出一种适用于非线性功率放大器宽带数字预失真的增强记忆多项式模型. 与传统的记忆多项式和广义记忆多项式模型相比,该模型通过包含Volterra模型的交叉联合记忆项,在保持低复杂性的同时给出了优越的线性化性能. 预失真系统的参数估计使用Householder块精确逆QR分解递归最小二乘算法,通过计算机仿真研究了Householder块精确逆QRD-RLS算法的性能. 对强非线性AB类功率放大器进行了实验测量,并收集相应的复包络IQ基带数据,根据这些数据建立行为模型并验证预失真器性能. 结果表明,对瞬时带宽为5 MHz的WCDMA输入信号,在5 MHz频
率偏移处将ACPR改善了25 dB.     

Fe-Ni系粉末机械合金化热力学

参考Miedema半经验理论,建立了Fe-Ni系机械合金化(MA)过程的热力学模型.热力学计算分析指出,Fe-Ni系粉末MA过程一般不存在发生非晶化反应的化学驱动力.Fe-Ni系MA粉末由α(bcc)和γ(fcc)两相固溶体组成.在球磨过程中两相相互转化,控制这一转化的因素是形成焓的结构项.对不同球磨时间Fe₆₀Ni₄₀MA粉末的X射线衍射(XRD)分析,证明了所建立的热力学模型的正确性.根据XRD图确定了Fe₆₀Ni₄₀MA粉末在不同球磨时间的物相组成、各相成分、晶格参数、晶粒尺寸和晶格畸变等结构参数.     

一种辨识非线性系统的新方法及其应用

提出了一种适用于非线性系统结构和参数估计的新方法。     

地理加权回归模型及其拟合

给出了一般的地理加权回归模型,由加权最小二乘原理,并给出了地理加权回归模型的拟合方法,以及与之相关的确定窗宽参数的交叉确认法.     

阻尼加权地震走时层析成像迭代算法及工程应用

该文提出了求解阻尼加权最小二乘问题的共轭梯度型成像算法，采用自然权和先验信息约束对有高斯噪声的数据进行了数值试验、并应用于四川雅砻江桐子林水电站坝址测区的地震层析成像，图像质量良好。     

NS,CS~-,SO~+的基态(Х~2Ⅱ)势能函数与光谱数据研究

采用Gaussian 09程序包中的几种方法分别优化计算NS,CS-,SO+的基态(X2Ⅱ)结构,筛选出B3LYP方法作单点能扫描.基于最小二乘法拟合出NS,CS-,SO+基态(X2Ⅱ)的Murell-Sorbie势能函数,首次计算了NS,CS-,SO+基态(X2Π)的力常数(f2,f3,f4),得到了更精确的光谱常数(Be,αe,ωe,ωeχe).     

线性模型的广义最小二乘估计递推算法

基于广义线性模型,讨论了新增样品后其系数的广义最小二乘估计与原有的样品其系数的广义最小二乘估计之间的关系,在此基础上,讨论剔除某个过时的样品后,其系数的广义最小二乘估计与原有样品的系数的广义最小二乘估计之间的关系,最后研究新增样品、剔除样品和原有样品它们三个的系数的广义最小二乘估计之间的关系.