基于M估计理论设计抗差总体最小二乘(robust total least-squares,RTLS)估计算法时,由于总体最小二乘(total least-squares,TLS)估计不适用于残差预测,根据单个随机量残差进行重定权存在理论缺陷。本文基于乘性误差模型推导TLS估计迭代...基于M估计理论设计抗差总体最小二乘(robust total least-squares,RTLS)估计算法时,由于总体最小二乘(total least-squares,TLS)估计不适用于残差预测,根据单个随机量残差进行重定权存在理论缺陷。本文基于乘性误差模型推导TLS估计迭代公式,对等式残差或总残差进行理论解释,说明该残差具有最小二乘(least-squares,LS)估计残差的性质;然后顾及观测空间和结构空间的抗差性,基于等式残差或总残差设计相应的RTLS估计算法;最后通过Monte Carlo实验,从抗差性、有效性和迭代效率等方面与其他重定权策略进行比较,证明该RTLS估计算法的优势。展开更多
本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数...本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数,然后利用最小二乘法求解全极化测量方程,得到每个散射中心的复幅度信息,从而获得每个散射中心的散射矩阵,其中散射矩阵与类型参数是密切相关的.然后分析了其中参数估计的精度问题,针对极化通道噪声方差的不同提出了相应的改进算法.最后进行了仿真,并与单极化散射中心估计参数作了对比,结果证实了该方法的有效性,为雷达极化信息与散射中心的有效融合提供了新方法.展开更多
目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range Difference,RD)的...目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS Taylor算法不仅能够获得与QCLS Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS Taylor算法的定位精度更高。展开更多
文摘基于M估计理论设计抗差总体最小二乘(robust total least-squares,RTLS)估计算法时,由于总体最小二乘(total least-squares,TLS)估计不适用于残差预测,根据单个随机量残差进行重定权存在理论缺陷。本文基于乘性误差模型推导TLS估计迭代公式,对等式残差或总残差进行理论解释,说明该残差具有最小二乘(least-squares,LS)估计残差的性质;然后顾及观测空间和结构空间的抗差性,基于等式残差或总残差设计相应的RTLS估计算法;最后通过Monte Carlo实验,从抗差性、有效性和迭代效率等方面与其他重定权策略进行比较,证明该RTLS估计算法的优势。
文摘本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数,然后利用最小二乘法求解全极化测量方程,得到每个散射中心的复幅度信息,从而获得每个散射中心的散射矩阵,其中散射矩阵与类型参数是密切相关的.然后分析了其中参数估计的精度问题,针对极化通道噪声方差的不同提出了相应的改进算法.最后进行了仿真,并与单极化散射中心估计参数作了对比,结果证实了该方法的有效性,为雷达极化信息与散射中心的有效融合提供了新方法.
文摘目前基于到达时间差(Time Difference of Arrival,TDOA)的无线定位算法既不能在基于距离平方差(Squared Range Difference,SRD)的误差平方和最小模型中获得总体最小二乘准则下的全局最优解,也不能在基于距离差(Range Difference,RD)的误差平方和最小模型中获得普通最小二乘准则下的全局最优解。将泰勒级数法与约束总体最小二乘法(Constraint Total Least Square,CTLS)相结合,提出一种基于约束总体最小二乘的泰勒级数定位算法(CTLS Taylor)。利用CTLS方法获得目标节点的粗估计位置,并将该位置作为泰勒级数展开法的初始点,通过迭代,获得目标节点的精估计位置。仿真结果表明,CTLS Taylor算法不仅能够获得与QCLS Taylor算法相同的定位精度,而且迭代次数有了明显减少;同时与CTLS定位算法相比,当测量噪声较高时,CTLS Taylor算法的定位精度更高。
