运用卡尔曼滤波理论求解测速雷达系统误差

本文在建立测速雷达误差模型的基础上，采用Kalman滤波方法求解误差模型系数，解决了由于缺少高精度测速雷达作比较标准不能对测速雷达进行精度鉴定的难题，此法和随机误差计算方法一起构成了一整套测速雷达精度测试方法，这套方法实施简单，便于采用。     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

基于优化的改进移动最小二乘代理模型方法

针对移动最小二乘代理模型精度受影响域半径影响的问题,提出了一种基于优化的改进移动最小二乘法代理模型方法。构造移动最小二乘代理模型时采用遗传算法获取最佳影响域半径,提高近似精度进而达到减少样本点的目的。通过标准数值测试算例和NASA减速器优化设计实例验证,大大提高了移动最小二乘法代理模型的近似精度,与标准的移动最小二乘法相比,仅需较少的样本点即可达到相同的近似精度。     

球形表面粗糙度测量中两种干涉图像处理方法

讨论了用带有数字图像处理和计算系统的麦克尔逊干涉涉显微镜测量像人工关节这样的球形表面粗糙度的方法，用数字图像处理方法处理等倾干涉和等厚干扰这两种干扰图像，并萃取出反映被测球面微观不平度信息的干涉带的边界线。本文推导了用最小二乘拟合原理计算标准最小二乘圆和圆弧的算法以及用获取的被测表面的微面不平度偏差计算表面粗糙度参数的方法。     

基于K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计

提出了一种基K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计方法.首先用K-均值聚类法将全包线范围内的数据进行聚类,然后在每一个类当中,用迭代约简最小二乘支持向量回归机设计一个子推力估计器.在用迭代约简最小二乘支持向量回归机设计子推力估计器的过程中,为了使计算数值更稳定,用Cholesky分解代替原来的迭代方法.最后仿真实验表明,此推力估计器能满足直接推力控制的需要,并和其它的方案比较起来,该方案存在一定的优势.      

压力传感器最小二乘直线不确定度评定及应用

主要介绍压力传感器最小二乘直线不确定度的评定方法,并结合试验数据,对测量结果不确定度和最小二乘直线不确定度进行了比较及说明。     

多测速雷达弹道测量体制研究

对多测速雷达弹道测量体制进行了概念性研究，阐述了其数学原理并提出了一个具有工程意义的系统组成设想。分析结果表明，多测速雷达弹道测量体制是一种很有潜力的高精度测量体制，它在保证高精度测量的同时，可以实现系统机动、小型化，减少人员编制，简化设备维护，这些特性正是未来靶场测控系统发展趋势和导弹试验任务的迫切需求。     

用最小二乘法评定平面度误差

GB1958—80《形状和位置公差检测规定》以最小条件作为评定形状误差的基本原则,但并不排斥其他评定方法,这在标准第10条有明确说明:“最小条件是评定形状误差的基本原则,在满足零件功能要求的前提下,允许采用近似方法来评定形状误差”。在其他评定方法中,最重要的是用最小二乘法评定,因为从误差理论的角度看,最小二乘法比最小条件合理:最小条件仅根据几个极值点(圆度、平面度为四点,直线度为三点)的变动量来确定评定基准的位置,而最小     

应用标校卫星鉴定测控系统精度方法探讨

根据标校卫星的用途及所需提供的高精度比较标准等技术要求,针对星载比较标准及靶场数据处理状况,提出了改进和提高测控系统精度鉴定的技术途径.探讨和提出了4种类型的数据处理技术和方法,简述了它们的思路和关键技术,分析了应用条件和特点.其中.第1种方法是目前使用的经典鉴定方法;后3种方法（自鉴定方法、精确标准鉴定方法和融合处理鉴定方法）都充分利用了星上测量资源、卫星轨道运动特性以及优良的差分、自校准等融合处理技术,它们都明显优于经典鉴定方法.可以使标校卫星提供更精确的比较标准,扩大其目前的功能和用途.特别是融合处理鉴定方法,不仅可以精确地评定定位系统测量精度,而且可以为测速系统精度评定提供一种良好的技术途径.     

最小二乘法述评

本文在简要回顾了最小二乘法的发展过程后,论述了该方法的基本原理和特点。接着分析了最小二乘法存在的主要问题。由于实际情况往往偏离假设条件,故常常影响该法的实用效果。最后介绍了长期以来人们对最小二乘法所作的种种改进(如:递推最小二乘法、卡尔曼滤波法、最小二乘拟合推估法、稳健估计法和“最小风险估计”法等),并对各方法作了简要评述。     

总体最小二乘算法在自适应信道均衡中的应用研究

分析了最小二乘解产生偏差的原因,推导出了最小二乘解偏差项的数学表达式。提出了一种基于瑞利商的变步长总体最小二乘求解方法。仿真试验表明,总体最小二乘算法的性能优于加权递归最小二乘算法,是一种适用于输入信号端含有噪声的自适应信道均衡算法。     

多变量系统参数辨识的相关分析法

 <正> 近20年来,线性系统的辨识和参数估计的研究工作得到了迅速发展。系统辨识的方法主要有:最小二乘法、广义最小二乘法、推广最小二乘法、多级最小二乘法、辅助变量法、随机逼近法、极大似然法以及相关分析法等。在这些方法中,相关分析法是一种公认最有效的算法。1974年,Iserman、Saridis和Sinha等人通过若干数值算例证实     

利用卡尔曼滤波求取直升机气动导数的应用研究

本文主要介绍利用低通滤波、卡尔曼滤波及最小二乘法求取直升机气动导数的方法。本方法的特点是,通过低通滤波使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减至最小,最后用最小二乘法求得直升机的气动导数,为了提高卡尔曼滤波的准确度,用最小二乘法由试验数据求取直升机的气动导数作为卡尔曼滤波时的初始导数。计算结果表明,该方法可使试验数据中包含的噪声大大减小,误差带减少70％以上,而计算工作量又远远小于最大似然法。     

一种系统辨识的递阶算法及其在飞机颤振试飞中的应用

在研究协方差矩阵特性的基础上 ,给出一种最小二乘辨识系统的递阶算法。该算法与自回归模型参数辨识的Levinson方法相似 ,利用协方差矩阵的特性,由低阶模型参数递阶算出高一阶的参数,用阶次辨识方法确定模型阶次。避免了最小二乘系统辨识批处理方法中的高阶矩阵求逆及最小二乘系统辨识递推算法中的循环修正,提高了计算的效率。该辨识方法成功地应用于飞机颤振特性的辨识。     

Cholesky分解的应用研究

Cholesky分解是应用广义最小二乘法的关键，主要是根据所得资料信息，得到一正定对称矩阵，这正是所有有意用广义最小二乘法解决的问题难以满足的，我们解决的方法是求一较低阶正定对称矩阵，进行Cholesky分解，从而将广义最小二乘法应用于分析研究经Durbin-Watson检验是相关的残差序列。     

外测设备误差的统计分析

本文首先从频域分析出发,讨论了最小二乘拟合残差及变量差分法在随机误差统计方面的应用与差异,并对靶场外测设备的实测误差进行了较系统、全面的统计分析,特别提出在全跟踪段内分析一步自相关与功率谱,显然,这对测量设备与制导数据的应用具有重要意义。     

基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。     

基于偏最小二乘的向后删除变量法及其在均匀设计中的应用

针对均匀设计中的小样本数据处理问题，讨论了一种偏最小二乘与向后删除变量法相结合的变量筛选方法。首先，利用偏最小二乘建立包含尽可能多的关键自变量的全模型，然后将向后删除变量法中的每一次最小二乘回归替换为偏最小二乘回归，得到基于偏最小二乘的向后删除变量法。实验结果表明，与逐步回归法相比．该方法的预测能力明显提高，且具有更好的稳定性。     

固定影响平行数据模型参数的偏最小二乘估计及应用

当平行数据的解释变量之间存在严重的多重共线性,或者样本点个数与解释变量个数相比较少时,用经典方法求解模型(如最小二乘法等)误差偏大,难以满足实际要求.针对这种情况提出了用偏最小二乘法思想求解固定影响平行数据模型,并且实例表明误差明显减少,可以满足建模和预报的要求.     

基于最小二乘法的霍尔电流传感器静态校准

以霍尔电流传感器静态特性校准为目标,提出基于最小二乘法回归数学模型方法来处理采用循环校准方法获得的数据,推导了适合于霍尔电流传感器校准的具体计算过程,得到霍尔电流传感器的静态特性。通过比较标准不确定度分量,获得测试端的最佳配置。