基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

变遗忘因子稀疏正则化TLS算法MIMO信道线性均衡

针对稀疏MIMO信道系统模型线性均衡过程中输入信号,输出信号都含有噪声的情况提出了一种变遗忘因子的稀疏正则化总体最小二乘算法(VFF-SRTLS)。本算法中采用总体最小二乘(TLS)的代价函数即瑞利商加入正则化的l_1范数和l_0范数作为其代价函数,并利用次梯度下降法产生的迭代式用以更新均衡滤波器系数,使均衡过程中代价函数最小;同时为了使算法能够适应信道快变环境而采用变遗忘因子(VFF),并且根据最速下降法得到遗忘因子的迭代式。仿真结果表明,在信噪比为10 d B的2×2 MIMO线性均衡过程中VFF--RTLS算法的收敛MSE值比RLS算法低约2 d B,VFF-l_0-RTLS算法的收敛MSE值比RLS算法低约1.5 d B。     

基于叠加训练序列的稀疏水声OFDM信道估计(英文)

针对稀疏多径的水声OFDM信道,提出了基于叠加训练序列的信道估计方法,能够提高带宽传输效率.在发送端的信息序列中叠加一个低功率的周期性训练序列,在不占用额外的信号带宽的情况下估计信道参数,未知的信息序列会对叠加训练序列的信道估计方法产生干扰,在本文中采用迭代方法提高估计性能.水声信道具有延时时间长,信道稀疏的特点,本文采用匹配跟踪的方法估计信道非零系数的位置,降低加性白噪声对信道估计的影响.仿真结果显示,本文的方法能达到很好的信道估计性能,同时能够降低OFDM的峰均比.     

基于叠加序列的信道估计的研究

通信的主要任务就是在接收的信号中恢复发送信号。这就需要知道信道的冲击响应。因此信道估计是通信系统中的重要一环。文章介绍了一种在发送序列之上叠加周期训练序列,利用周期训练序列来进行信道估计的方法,并提出了基于叠加周期训练序列的信道阶数估计方法。并对其进行了仿真分析。     

基于IDMA的水声通信自适应Turbo迭代接收机技术研究

有效的多用户多址接入方式一直是水声通信网络研究的重点与难点;在十分有限的水声可用带宽条件下常规的基于频分技术的多址接入方式并不适用;而基于CDMA的码分多址接入方式则又存在着严重的难以克服的远近效应问题,且水声信道的多途效应使接收信号产生严重的码间窜扰(ISI)。针对以上问题,本文提出了基于交织分多址接入(IDMA)的自适应Turbo迭代接收机技术的研究。接收机采用联合均衡过程和译码过程的Turbo迭代接收机,通过迭代的方式获得反馈的外信息从而提高系统性能。针对未知参数的信道,采用递归最小二乘(RLS)自适应均衡算法对信道参数迭代估计,从而指导均衡器消除码间窜扰(ISI)。RLS算法利用每次迭代译码器反馈的外信息再次估计信道参数,直接的增加了除训练序列外的可利用数据长度,从而提高估计精度。通过仿真得出在未知信道条件下接收机的性能比已知信道系统接收机的性能降低0.4 d B。     

基于最小二乘和广义最小二乘的系统偏差估计研究

多传感器数据融合首先要解决误差配准问题,来估计系统偏差并消除它.把最小二乘理论运用于多传感器数据融合,能够得到系统偏差估计.分析最小二乘(LS)和广义最小二乘(GLS)的原理,并对两种算法进行了比较.     

非均匀采样潜艇耐压壳体测量数据处理方法

在役潜艇的建造和修理需要检测其耐压壳体的截面圆度,因现场条件限制或多设备融合测量,测量采样点经常呈现非均匀性,导致最小二乘圆拟合的结果与实际情况不符,研究旨在减小非均匀采样带来的影响,提高拟合圆的精度。基于非均匀采样定权提出一种非均匀采样加权总体最小二乘圆拟合方法,同时考虑观测向量和系数矩阵都有扰动,用于潜艇耐压壳体测量数据的处理。通过对4种不同预设形状的采样分析数值实验表明,该方法能提高非均匀采样情况下圆拟合的精度,但当随机误差加大至1.5 mm,该方法不能完全优于最小二乘法。非均匀采样加权总体最小二乘圆拟合法计算得到的圆心偏差及半径偏差都比最小二乘法的结果更小,具有较好的工程实用价值,可用于在役潜艇耐压壳体圆度测量非均匀采样时的圆拟合计算。     

奇异值分解算法在舰船腐蚀相关电场建模中的应用

基于线性反演理论,讨论了舰船腐蚀相关电场电偶极子模型的稳定性问题,在此基础上将奇异值分解算法应用于建模,通过摒弃模型矩阵方程核矩阵的小奇异值,来改善核矩阵的病态程度,提高数据方程反演的稳定性。数值试验表明,当反演数据存在一定误差时,奇异值分解算法相对于最小二乘算法可以明显降低数据误差引起的模型参数扰动,有效地提高模型的稳定性。实船实测数据建模结果进一步验证了奇异值分解算法提高模型稳定性的有效性。     

最小二乘矩阵滤波器设计与性能分析

提出最小二乘矩阵滤波器设计方法,将矩阵滤波器设计问题转化为超定线性方程组求解问题,通过求最小二乘解,给出了最小二乘矩阵滤波器表达式,利用奇异值分解,给出了滤波器简化表达式和总体误差.系统分析了通带位置、通带宽度和阵元数对最小二乘矩阵滤波器效果的影响,为矩阵滤波器设计和应用提供了参考.     

一种单站纯方位目标跟踪中的最小二乘递推方法

与成批处理的方位平差法相比,最小二乘递推方法无需矩阵求逆运算,具有计算简单、存储量小的优点,适合于在线估计目标运动要素.提出了一种用于单站纯方位跟踪的最小二乘递推方法,并对算法进行了仿真.仿真结果表明,该方法受初始值影响很小,适用于含方位预处理的纯方位目标跟踪.     

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育鹏"船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。     

一种反舰导弹目标选择融合算法

根据反舰导弹自控终点散布、末制导雷达方位探测误差、舰艇队形和散布,推导了后续算法用到的一些正态分布总体的均值向量和协方差矩阵。在讨论了改进的最小偏离目标选择法和基于队形的目标选择法的基础上,融合最小偏离信息和队形信息提出了一种目标选择算法。算例的仿真结果表明目标选择融合算法总体上要优于其它三种目标选择算法。     

MIMO系统训练信道估计的导频优化设计

论文考虑了在莱斯信道和干扰下,多输入多输出(MIMO)系统中估计信道状态信息(CSI)可以处理以改善干扰抑制。论文分析如何通过设计导频矩阵来最大化估计性能,简化原始数据信号的检测。在接收机处对信道矩阵进行估计,对信道矩阵及其均方误差(MSE)的最小均方估计量(MMSE)表达式进行了数学推导。显示了接近最优的性能以及如何设计导频矩阵来优化估计性能。     

基于ASNLS算法的智能浮标浮潜模型参数辨识

[目的]针对智能浮标大深度浮潜模型难以精确量化的问题,提出一种抗数据饱和及测量噪声的最小二乘算法（ASNLS）,以实现浮潜多参数识别及深度预测。[方法]首先,在智能浮标浮潜运动灰箱模型中引入其执行机构的非线性动作特性以契合实际模型,并将连续型浮潜运动方程转化为离散模式以匹配实际离散的数据采样方式;然后,将离散型运动方程构造为基于相关函数的表达形式,以减弱噪声对参数辨识的影响;最后,通过调整协方差矩阵的取值,实现该浮潜参数辨识算法的抗数据饱和功能。[结果]基于2021年智能浮标在南海的大深度试验数据,开展了浮潜运动模型参数辨识及深度预测,验证结果表明：相较于传统的最小二乘算法及支持向量机算法,ASNLS算法的收敛速度更快（较最小二乘算法提高了31.8%）、深度预测误差更小（不同深度下的平均绝对百分比误差均小于9%）。[结论]ASNLS算法可为智能浮标的深度控制和预报提供有效的浮潜模型支撑。     

多分量腕力传感器的标定方法

本文通过对多分量腕力传感器最小范解标定方法叙述，根据实验的误差理论，推导出一种基于最小二乘数据拟合的力传感器标定方法。该方法较最小范解标定方法简单，精确度更高。     

相依回归系统参数的Bayes估计

在指定的先验信息下获得了相依回归系统参数的Bayes估计,并在均方误差阵准则下对与最小二乘估计和最优线性无偏估计进行了比较,讨论了在后验PC准则下相对于最小二乘估计的优良性。     

基于TODA信息的多基地声呐系统定位算法

建立T-Rⁿ型多基地声呐定位几何模型,在基于TDOA时间信息进行定位时,分析模型中存在的3种误差计算公式;根据模型分别推导出在未知误差和已知误差条件下的最优线性算法以及定位误差表达式。通过仿真分析模型中3种误差对线性算法的影响,仿真结果表明,观测时间误差对定位误差影响最大;分析模型中观测时间误差的不均匀度对3种算法的影响,其对最小二乘法的影响最大,同时两步最小二乘法随误差不均匀的增加而减少。研究成果可为T-Rⁿ型多基地声呐系统的总体设计、站址配置和误差分析提供理论支撑,为T-Rⁿ型多基地声呐系统基于方位角、时延等信息进行定位时提供分析思路,同时可为后续的Tⁿ-Rⁿ型多基地声呐系统研究奠定基础。     

8PSK信号在衰落信道下信噪比盲估计算法

针对传统信噪比估计算法要求利用训练序列或一帧数据范围内信道系数恒定等问题,文章提出了一种8PSK信号在衰落信道下盲信噪比估计算法。该算法利用信道系数的统计特性,理论分析信噪比与接收信号的数值关系,采用多项式数据拟合和观测量归一化处理的方式,推导信噪比与接收信号解析式。数值仿真表明该算法在0～8dB范围内,可取得良好的信噪比估计效果。     

基于稳健最小二乘圆拟合的耐压壳体初挠度测量方法

针对耐压壳体初挠度计算过程中,由于人为误差造成测量值偏离,从而影响初挠度计算精度的问题,在利用标准偏差进行异常点自动判断的基础上,构建了基于最小二乘圆拟合的稳健初挠度计算方法。通过MATLAB将算法实现,代入工程实测数据,从初挠度计算的稳定性方面与最小二乘法进行对比,验证了算法的可行性和正确性。     

一种时间校准方法及在航运信息处理中应用

传统的AIS与雷达目标信息融合中时间校准算法的计算存在复杂度高,融合精度低的缺点,且AIS和雷达的采样信息容易发生错漏的现象。针对上述问题,提出了一种基于最小二乘准则的时间校准算法。该方法的基本思想是采用样条函数对各传感器的采样数据进行拟合,并基于最小二乘准则在样条函数类中找出一函数使其满足拟合误差平方和最小的要求。与传统的方法相比,计算机仿真结果验证了新方法在计算复杂度上和融合精度上的有效性。