期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于小波和最小绝对误差的去噪抗扰动辨识方法 被引量:11
1
作者 余世明 冯浩 王守觉 《电子学报》 EI CAS CSCD 北大核心 2003年第2期192-195,共4页
噪声和扰动是影响系统辨识的两个不利因素 ,而实际系统不可避免地受到噪声的污染和瞬时扰动的影响 .本文采用不同的小波函数和不同的阈值处理方法 ,对噪声污染的系统输出进行多次小波分解、去噪和重构 ,从而达到削减噪声的目的 .对于去... 噪声和扰动是影响系统辨识的两个不利因素 ,而实际系统不可避免地受到噪声的污染和瞬时扰动的影响 .本文采用不同的小波函数和不同的阈值处理方法 ,对噪声污染的系统输出进行多次小波分解、去噪和重构 ,从而达到削减噪声的目的 .对于去噪后的数据 ,由于包含瞬时扰动 ,利用最小二乘辨识算法仍然不能获得满意的结果 .为此 ,在小波去噪的基础上 ,提出了一种最小绝对误差 (LA)辨识算法 .仿真研究表明 ,本文提出的方法能够同时克服噪声和瞬时扰动的不利影响 。 展开更多
关键词 系统辨识 小波 噪声 扰动 最小绝对误差
在线阅读 下载PDF
日气温数据缺测的插补方法试验与误差分析 被引量:40
2
作者 王海军 涂诗玉 陈正洪 《气象》 CSCD 北大核心 2008年第7期83-91,共9页
对缺测气象观测记录进行插补是建立连续气象数据集的基础。将孤立1日或数日缺测资料进行插补的线性回归模型法应用于连续缺测数月的逐日最高、最低和平均气温的插补,并进行了一系列改进,包括:(1)用滑动选优法确定邻近参考气象站站数和... 对缺测气象观测记录进行插补是建立连续气象数据集的基础。将孤立1日或数日缺测资料进行插补的线性回归模型法应用于连续缺测数月的逐日最高、最低和平均气温的插补,并进行了一系列改进,包括:(1)用滑动选优法确定邻近参考气象站站数和数据样本时间窗的最佳值;(2)在记录缺测站与邻近参考站之间建立逐日气温的线性回归模型,并选取以最小绝对误差(Least Absolute Deviation,LAD)为目标函数求取模型参数的方法,取代以最小均方根误差为目标函数的最小二乘法(Least Squares Esti mate,LAD)求解模型参数的方法,可提高计算效率和参数的稳定性;(3)进一步提出将LAD法与DeGaetano标准化序列法插补结果平均的综合插补方法,以减少极端误差。通过对湖北蔡甸气象站1961-2006年插补试验表明:(1)以4个邻近站和年数为8年、日数为15天时间窗的样本资料建模进行插补误差达到最小;(2)逐日最高、最低和平均气温的平均绝对误差分别为0.32℃、0.45℃、0.28℃,误差在±0.8℃以内的频次分别占总数的94.1%、84.8%、96.1%,观测值与插补值月相关系数在0.886以上。插补与观测资料平均值和相关系数分别通过了显著水平为0.05和0.01的检验。 展开更多
关键词 记录缺测 逐日气温 插补 线性回归模型 最小绝对误差
在线阅读 下载PDF
基于最小离差准则的自适应滤波器设计 被引量:1
3
作者 郑慧民 谢丹 +1 位作者 杨扬 林品兴 《信号处理》 CSCD 1998年第1期43-46,42,共5页
实际系统中存在大量的具有脉冲性质的非高斯噪声,本文介绍利用实数维低阶矩理论,根据最小离差准则设计自适应滤波器,去除一类服从稳定分布的噪声,并给出了基于LMAD算法的自适应滤波器.实验表明,这种滤波器去除SaS分布噪声的性能... 实际系统中存在大量的具有脉冲性质的非高斯噪声,本文介绍利用实数维低阶矩理论,根据最小离差准则设计自适应滤波器,去除一类服从稳定分布的噪声,并给出了基于LMAD算法的自适应滤波器.实验表明,这种滤波器去除SaS分布噪声的性能比基于LMS算法的滤波器优越。 展开更多
关键词 最小绝对误差 自适应滤波器 设计
在线阅读 下载PDF
带线性约束的最小一乘问题
4
作者 李吉桂 《华南师范大学学报(自然科学版)》 CAS 1989年第2期93-96,共4页
本文作为[3]的续篇,考察了带线性约束的最小一乘问题的解的存在唯一性,并制定了计算方案.该计算方案利用了每一轮选代的已有结果,其效率一般比较高.
关键词 最小一乘问题 线性约束 线性规划 误差平方和最小 绝对误差最小 回归分析
在线阅读 下载PDF
基于MMAE指数的高光谱影像序列微弱变化信息提取 被引量:1
5
作者 仰继连 《计算机工程》 CAS CSCD 北大核心 2016年第7期261-266,共6页
针对多时相高光谱影像的微弱变化,提出一种基于最小平均绝对误差(MMAE)的无监督变化信息提取方法。利用高光谱影像光谱特征之间的内在联系,对光谱特征向量组成的时间序列进行单波段向量自回归模型预测,得到局部变化趋势以及进行多波段... 针对多时相高光谱影像的微弱变化,提出一种基于最小平均绝对误差(MMAE)的无监督变化信息提取方法。利用高光谱影像光谱特征之间的内在联系,对光谱特征向量组成的时间序列进行单波段向量自回归模型预测,得到局部变化趋势以及进行多波段拟合获得整体变化趋势,并通过哈达玛积将两者相结合,利用MMAE指数有效地提取微弱变化信息,获得初步变化信息图。实验结果表明,与SCD,PCA,CVA,IR-MAD等方法相比,该方法能够更有效地提取多时相高光谱影像的微弱变化信息,保持变化区域的细节,同时可抑制不同时相高光谱影像的背景噪声。 展开更多
关键词 微弱变化 高光谱影像 最小平均绝对误差 向量自回归 变化信息提取 变化检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部