一、奇异线性模型最小二乘估计的相对效率（论文文献综述）
丁颖[1]（2021）在《低偏差无线定位算法设计与硬件加速》文中研究表明无线定位技术的发展伴随着不断优化定位算法提高定位精度的历程。经典算法的设计对定位场景设定了很多理想化的假设。实际的定位场景中存在普遍的障碍物、人群的活动以及非理想的信道环境,造成一系列的干扰误差。若这些干扰误差没有通过优化定位算法得到相应的处理,就会严重影响定位精度。衡量定位精度的主要指标之一是定位偏差。因此,本文主要研究低偏差无线定位算法的设计与实现。本文首先对定位系统中定位算法误差进行理论分析,为后文低偏差定位算法的设计提供理论依据。理论分析表明,定位算法误差可分为迭代类算法误差和闭式类算法误差。收敛门限和迭代初始值的精度决定了迭代类算法误差;闭式类算法误差则来源于对非线性观测模型进行了过于简单的线性化。常用的伪线性模型忽略了观测误差向量之间的相关性以及高次误差项,导致了较大的定位偏差。本文研究了椭圆定位和双曲线定位的低偏差算法,分别减小高次误差项和观测误差之间的相关性引起的定位偏差。基于对定位算法误差中伪线性观测模型偏差的分析,本文首先提出了一种基于半定规划（Semidefinite Programming,SDP）的低偏差椭圆定位算法。在椭圆定位模型中,将位置估计问题转化为负对数似然（Negative Log-likelihood,NLL）函数最小化问题,并将其转化为具有多个二次等式/不等式约束的二次规划问题。通过等价变换以及将非凸的秩1约束进行松弛,将具有多个二次等式/不等式约束的二次规划问题转化为半定规划问题并计算得出最终的定位解。该方案从原始的似然函数出发,在非线性观测模型与伪线性观测模型间取得了一个平衡。既避免了对非线性观测模型的迭代求解,又因无需线性化,规避了因忽略高次误差项引起的伪线性观测模型偏差,同时保证了定位精度与定位算法的计算效率。本文中不仅给出了算法详细推导过程,并通过蒙特卡洛仿真实验分析对比了在不同噪声水平下目标位置的估计性能。仿真实验表明,在不同的噪声水平下,该算法无需进行后处理,近似给出了目标位置的最小方差无偏估计。区别于上述算法对伪线性观测模型的规避使用,本文接下来提出了基于约束总体最小二乘（Constrained Total Least Squares,CTLS）的低偏差双曲线定位算法。在该算法中,首先给出双曲线定位问题的伪线性观测模型。根据伪线性观测模型偏差分析,考虑二次误差项以及观测误差之间的相关性,给出了基于CTLS估计理论下的定位模型,并通过牛顿迭代法得到定位问题的迭代解。接下来,同样考虑了二次误差项以及观测误差之间的相关性,并为了在一般的观测误差模型下保持位置参量的估计性能,提出了基于广义总体最小二乘（Generalized Total Least Squares,GTLS）估计理论下的定位模型。通过矩阵分解与矩阵变换得到定位问题闭式解,计算简便,且避免了矩阵开方与求逆,数值稳定性强。仿真实验表明,在不同的噪声水平下,CTLS估计量与GTLS估计量均近似达到了最优的统计性能,有效降低了因忽略观测误差向量之间的相关性以及二次误差项而引入的定位偏差。在设计基于GTLS的低偏差定位算法时,通过矩阵变换与分解等方法,避免了对定位问题的迭代求解,保证了算法的收敛性,但同时也引入了求解过程中的计算瓶颈:奇异值分解（Singular Value Decomposition,SVD）。因此,本文的最后对奇异值分解在FPGA异构平台上实现硬件加速,完成了奇异值分解的并行化算法在硬件平台上的加速实现。实验结果表明,本文所提出的奇异值分解加速方案消耗硬件资源较少,计算误差在允许范围内,且与奇异值分解在MATLAB上的计算时间相比较,计算时间显着降低,加速效果明显。
王京[2]（2021）在《基于多源SAR数据青藏高原冻土冻融过程及时空分布研究》文中进行了进一步梳理青藏高原独特的地理水文环境孕育了全球最大的永久冻土区。近年来在温度持续升高和工程活动的背景下,青藏高原冻土呈现出快速退化趋势,主要表现在活动层厚度增厚、冻土温度升高等。其中活动层位于永久冻土层上方,它的周期性的冻融过程能引起冻土地表发生季节性的抬升和沉降。另一方面,青藏铁路的建设和运营改变了冻土的温度场和应力场,进而造成铁路路基沉陷及附近热融滑塌等地质灾害。因此,开展大范围青藏高原和交通走廊沿线冻土形变监测、多年冻土的分布调查及活动层厚度估计研究对于青藏高原的环境、气候、寒区灾害预防、人类工程设施都具有重要科学意义。但是青藏高原自然环境恶劣,地貌景观异质性较强,采用常规的监测手段进行冻土研究存在很多缺陷。多源SAR卫星的发射和In SAR技术的突飞猛进,为青藏高原的研究提供了丰富数据源和技术支持。本论文利用Sentinel-1A数据、Terra SAR-X数据、ALOS-2 PALSAR-2数据开展青藏高原冻土冻融过程形变监测、冻土分布制图及活动层厚度反演研究,旨在为青藏高原冻土区的灾害防护和冻土环境生态保护提供科学依据和理论支撑。本文的主要内容及创新工作如下:（1）提出了基于超算平台的并行快速分布式散射体和相干散射体的时序In SAR技术（Parallel Fast Distribute Scatterer-Coherent Scatters In SAR,PFDSCSIn SAR）,实现整个青藏高原的年平均形变速率反演。以TOPS干涉模式250km宽幅的Sentinel-1图像为数据源,针对CSIn SAR技术在青藏高原自然地表存在点目标不足和分布式散射体技术（Distribute Scatterer interferometry,DSI）处理效率较低等问题,通过融合分布式散射体（Distribute Scatterer,DS）来提高青藏高原点目标的密度,并提出DSI并行策略提升DSI算法的计算效率以适合青藏高原大区域形变解算。在DSI处理流程中,提出基于积分图的置信区间方法来提取同质像素点,针对中低分辨率SAR图像存在多种散射机制和最优相位计算迭代耗时问题,采用奇异值分解方估计DS点的最优相位。研究表明,PFDS-CSIn SAR与CSIn SAR技术对比,极大提高了低相干冻土区的干涉图质量并提高了测量点的密度。并行DSI方法将35h完成的整景Sentinel-1数据（4:20多视比）的DSI处理流程时间减少至30min,运行效率提高了近60倍。PFDS-CSIn SAR实验结果显示2018～2019年青藏高原年平均形变速率为-56～56mm/yr。青藏高原冻土形变与活动层厚度、土壤含水量呈现出弱相关关系,与年平均地表温度呈现出强相关关系。（2）提出了基于季节性形变模型的自适应分布式散射体技术和基于In SAR时序形变量冻土分布制图的新方法,实现青藏铁路格尔木至拉萨段冻土冻融过程的形变监测和冻土分布制图。以TOPS干涉模式250km宽幅的Sentinel-1图像和ERA5-Interim再分析的日空气温度为数据源,针对永久散射体（Persistent Scatterer Interferometry,PSI）技术应用于青藏铁路沿线形变监测过程中存在的PS点（Persistent Scatterer）不足和形变模型适用性等问题,本研究融合分布式散射体并构建基于归一化的冻融指数的季节性形变模型来对青藏铁路沿线冻土的季节性形变进行求解。在DSI处理流程中提出基于初始数据块协方差矩阵Shapiro–Wilk W检验的同质像素点提取方法,使用稳健的M-estimator估计方法估计初始协方差矩阵。在最优相位估计中采用Phase Linking方法对最大似然估计算法进行求解,同时为了加快迭代求解速度,提出基于EMI（Eigendecomposition-based Maximum-likelihoodestimator）方法的初始解作为迭代的初始条件,进而提升最优相位求解速度和精度。基于上述求解的季节性形变量、时序形变量和日空气温度数据,分析青藏铁路沿线不同地区的冻融过程。最后采用Savitzky-Golay滤波算法对In SAR时序形变量做预处理并利用非监督ISODATA分类方法进行冻土分布制图。实验结果表明:2017/03/16～2020/03/24期间研究区季节性振幅范围为-70～20mm/yr,LOS形变速率范围为-40.0～20.0mm/yr。青藏铁路沿线10公里缓冲区的季节性形变范围为-50～10mm/yr。沉降区域较大的路段集中在格尔木至西大滩、不冻泉至可可西里、五道梁至北麓河、风火山至乌丽、沱沱河至雁石坪、唐古拉山至安多、那曲至当雄、羊八井至拉萨。经验证,In SAR时序测量值与四个地点的水准测量值的相关系数分别为0.93、0.91、0.89、0.83。此外,基于日空气温度数据和时序形变量变化发现青藏铁路沿线不同地区冻土的冻融循环时间不同。基于时序In SAR形变量冻土分类结果将冻土区分类为永久冻土区、季节性冻土区和退化永久冻土区,分类结果与赵林等人冻土分类结果基本一致。（3）基于多源SAR数据分析永久冻土区不同地貌景观冻土冻融过程的形变,并提出基于分层土壤含水量和分层土壤孔隙度活动层厚度反演方法,实现北麓河地区不同地貌景观冻土的活动层厚度的反演。以Sentinel-1数据、Terra SAR-X数据、ALOS-2 PALSAR-2数据为数据源,针对北麓河地区冻土分布异质性强且地貌类型复杂等问题,提出基于分层土壤含水量和分层土壤孔隙度的活动层厚度估计方法,并构建季节性形变模型与新小基线集（New Small baseline Subsets,NSBAS）集成的方法流程,获得了北麓河地区不同地貌景观的季节性形变特征和活动层厚度,并分析不同传感器反演的形变和活动层厚度,探索多源SAR数据在永久冻土区冻融过程形变和活动层厚度反演的适用性和差异性。多源SAR数据形变结果表明季节性形变较大的地区主要集中在热融湖周围,辫状河平原、盆地地区、冰川的季节性径流地区以及河漫滩地区。Sentinel-1和ALOS-2 PALSAR-2数据对比结果表明季节性形变量的形变趋势较为一致,但是线性形变速率存在较大的差别。Sentinel-1与Terra SAR-X数据表现出较好的一致性,季节性形变和线性形变速率相关系数分别为0.78和0.84。三种传感器形变结果显示北麓河地区6个典型地物的季节性形变趋势一致。高寒草甸和河漫滩地区的季节性形变高于高寒荒漠和裸地区。结合北麓河地区日气温数据、土壤含水量、GPR数据发现冻土形变与温度、土壤含水量以及活动层厚度具有重要关系。三种传感器反演活动层厚度结果范围分别为0.3～4.23m、0.3～4.04m、0.3～4.54m,且不同地貌景观的活动层厚度差异明显。三种传感器反演活动层厚度与与探地雷达实测数据对比,可发现ALOS-2 PALSAR-2数据反演的活动层厚度在不同地貌景观区域的相关性最好,分别为0.87、0.78、0.89、0.80。Terra SAR-X数据和Sentinel-1在河漫滩地区反演的活动层厚度相关性较差,分别为0.59和0.63。本文提出的活动层厚度估计方法为青藏高原冻土区活动层厚度反演提供了有效方案。
张霄[3]（2021）在《双线性状态空间系统的递推参数与状态估计》文中认为双线性系统广泛存在于实际工业过程中,如流体热交换、核裂变等都可以用该类系统来描述.论文考虑实际中存在的一些不确定因素,如状态不可测、时延等,研究双线性状态空间系统的参数与状态联合估计方法,具有重要的理论意义和实际价值,主要研究内容如下.1.针对双线性状态空间系统的状态估计问题,借助系统的特殊结构,将其看作线性时变参数模型,基于Kalman滤波原理,推导了双线性系统的状态估计器.此外,通过极小化状态估计误差协方差阵,提出了基于delta算子的双线性系统状态估计算法.通过理论分析和数值仿真表明了算法的有效性.2.针对白噪声干扰的双线性状态空间系统,辨识的困难是系统包含了未知参数、未知状态,以及二者与控制变量的乘积项（双线性项）.针对该问题,利用交互估计理论,在辨识系统参数时,将算法中未知状态用其估计代替,利用得到的参数估计构造双线性状态观测器,提出了基于双线性状态观测器的多新息随机梯度辨识算法,从而实现了递推参数与状态联合估计.3.针对有色噪声干扰的双线性状态空间系统,为减少有色噪声对参数和状态估计的影响,利用数据滤波技术,通过建立滤波器对系统的输入输出进行滤波处理,提出了基于双线性状态观测器的滤波多新息增广随机梯度算法,提高了参数估计的精度.通过数值仿真说明了所推导算法的有效性.4.针对大规模双线性状态空间系统,其维数高、变量多,导致辨识算法计算量大的问题,运用递阶辨识原理将原系统分解为低维子系统,通过设计状态观测器估计未知状态,提出了基于状态观测器的多阶段广义增广最小二乘算法,提高了计算效率.并运用鞅收敛定理,在持续激励的条件下,分析了算法的收敛性能.5.针对时延双线性状态空间系统,考虑未知时延问题,将原辨识模型扩展为增广辨识模型,提出了基于双线性状态观测器的递推最小二乘算法和递阶最小二乘算法,从而获得增广参数估计.然后通过设置阈值,确定系统的时延,从而实现系统的参数、状态和时延的联合估计.最后,通过蒙特卡洛仿真实验验证了算法的有效性.论文对提出的递推参数与状态联合估计算法进行了数值仿真,对部分算法进行了计算量的比较,并基于鞅收敛定理对部分算法进行了收敛性能分析.
杨海强[4]（2021）在《气动数据异常检测算法研究和系统设计》文中认为气动数据是飞行器空气动力学模拟仿真的关键,涉及飞行器设计和制造的全过程,在其计算和采集的过程可能产生异常数据,如果用含有异常的数据直接进行空气动力学模拟,则有可能造成模型失真,产生错误结果,造成不可估量的损失。对气动数据进行异常检测,能提前发现异常,有利于飞行器的设计和制造,传统方法是依靠专业人员手工鉴别,但气动数据体量大、维数高、关系复杂,人工甄别异常费时费力又容易出错,严重制约了相关研究的进展。目前鲜有气动数据异常检测相关的研究,本文分析了气动数据特性、调研了异常检测算法,研究了适用于气动数据的异常检测算法,并基于研究的算法设计和实现了检测系统,能够实现快速高效检测气动数据中的异常,减轻研究人员的工作负担,对飞行器的相关研究具有积极的意义。本文的研究工作和成果主要有:（1）对气动数据特性进行分析,发现气动数据维数高、函数关系和非函数关系并存、数据不平衡的特点成为异常检测的难点,需要将气动数据特性同检测需求结合,研究适合的检测方法。本文调研了目前广泛使用的异常检测方法,详细阐述了算法原理,并分析了将其运用于气动数据异常检测的可行性。（2）本文对比分析了四类稳健回归技术的稳健性和效率,提出了基于稳健回归的ISVD-Fast LTS算法。算法以检测对象之间存在的明确数学物理关系为切入点,利用具有高崩溃值的Fast LTS来抵抗异常值的干扰,并用ISVD解决Fast LTS的大规模矩阵求解问题,快速建立符合大多数数据的回归模型并进行异常检测。（3）提出了SMESM-EIF算法,通过SMESM选择与异常相关的变量,利用EIF建立隔离树,通过生成随机超平面隔离数据,异常数据会被更早隔离出来。算法具有线性的时间复杂度,能够对高维的复杂数据完成异常检测。（4）为了使算法更简单易用,本文基于研究的算法设计并实现了气动数据异常检测系统,并从系统需求分析、技术选型、算法实现关键技术、系统设计四个方面详细介绍了系统研发。系统提供了基于平行坐标和3D散点图的可视化模块供使用人员直观评价检测结果和观察异常细节。功能和性能测试结果表明系统能够满足使用需求。
高艳飞[5]（2021）在《基于总体最小二乘平差的若干应用研究》文中研究表明传统的最小二乘平差方法对测量数据进行平差时,假设函数模型系数阵中没有误差,仅考虑观测向量含有的偶然误差,然而实际的函数模型中系数矩阵也可能是由观测数据计算得到的,而观测数据本身含有随机误差,由误差传播率可知系数矩阵中也含有偶然误差,理论分析可知最小二乘法求取的参数不再是统计意义上的最优解,针对函数模型系数矩阵误差问题在数学领域中采用EIV模型的总体最小二乘法平差解算,EIV模型可同时顾及系数矩阵和观测向量中含有偶然误差的问题。近年来总体最小二乘法在数学理论研究上取得了一定成果,但在应用总体最小二乘法处理测量数据时还存在问题,实际平差解算中既有别于数学中的纯理论又与之有一定的联系,应结合应用领域自身特点进行分析,因此本文着重对顾及系数矩阵误差的总体最小二乘法问题研究,结合测量实例将总体最小二乘法纯数学理论归入到测量数据处理领域,主要研究内容如下:1、对经典最小二乘法的基本原理与求解参数的方法做了介绍,分析了该法在测量数据处理中没有考虑系数矩阵误差的问题,针对此问题引出基于EIV模型的总体最小二乘法求解参数的概念,对总体最小二乘法的基本原理、平差准则、解算方法、精度评定做了详细阐述,阐述了总体最小二乘法的迭代和矩阵分解三种不同求解参数的解算方法和精度评定公式,分析了各种解法的特点及其优势所在,最后对总体最小二乘法的拓展理论做了分析,研究混合总体最小二乘法和加权最小二乘法,总体配置法等拓展理论,对拓展理论的解算公式做了总结;2、结合实例讨论总体最小二乘算法在形变监测、高程异常、坐标转换、后方交会等方面中的应用,在形变监测中通过比较预报误差值可知总体最小二乘法相较于最小二乘法精度提高了18%左右,在基准转换实例应用中对比分析最小二乘法、总体最小二乘法和混合总体最小二乘解法的结果,结果也表明总体最小二乘法解算精度优于最小二乘法,通过模拟算例对比两种配置算法,可得出总体最小二乘配置法精度优于最小二乘法,在后方交会、形变监测、标靶球定位等实例中得到了同样的结论,算例中顾及系数矩阵和观测向量误差的总体最小二乘法参数解算精度优于传统最小二乘法解算精度。
黎源[6]（2021）在《面向工业机器人的拉线式运动学标定系统研究》文中研究指明工业机器人是一种高柔性的自动化设备,是智能制造系统的重要组成。虽然工业机器人拥有较高的重复精度,但是其定位精度较低,在一些需要高定位精度的领域仍然无法应用,标定技术可以提高机器人定位精度而无需改变其本身结构。针对现有标定技术中使用的测量设备价格昂贵,标定流程繁琐的问题,本文提出一种基于拉线传感器的运动学标定系统,该系统可用于快速标定机器人运动学参数误差、传动参数误差,并补偿到机器人名义运动学模型中,以提高机器人定位精度。通过调研机器人标定技术研究现状,结合对测量系统相关性能要求,确定了基于拉线传感器的机器人标定系统总体技术方案。选用了高精度绝对型拉线传感器,设计了配套的导向与适配机构,使其能够动态完成大空间范围内标定点的距离测量。根据标定机构的结构参数,分析多个误差因素对拉线距离信息测量的影响,并建立了标定系统误差模型,用于修正测量信息。设计了基于SSI（Synchronous Serial Interface）协议的数据采集系统电路,开发了数据采集软件。以通用型六自由度工业机器人为标定对象,使用MD-H（Modified DenavitHartenberg）方法建立其运动学模型,分析了由传动参数引起的误差,并在模型中引入了耦合比与传动比。在机器人运动学模型的基础上,建立了机器人的位置误差、距离误差模型,深入分析对比了两种模型,建立了基于拉线测量系统的距离误差模型,并对模型进行了冗余参数分析。为了解决传统粒子滤波算法中存在的粒子权值退化、多样性匮乏的问题,提出了一种结合粒子群算法搜索思想的正则粒子滤波算法。通过不同噪声下的参数辨识仿真,对比了最小二乘算法、扩展卡尔曼滤波算法、正则粒子滤波算法的辨识效果,仿真结果证明所提出的正则粒子滤波算法可辨识出机器人运动学参数误差,具有更强的鲁棒性与辨识效果。针对不同位姿下标定效果存在差异的问题,提出了一种基于可观性指数的最优测量位姿集递推优化方法并进行了实验验证,实验结果验证了优化后的位姿集的标定效果优于随机位姿集的效果。为了验证所提出的拉线标定系统的有效性,对该系统进行了测试,通过机器人标定实验发现:经过标定后机器人空间距离误差最大值从4.426mm降低到1.525mm,降低了65.5%,平均误差从1.737mm降低到0.428mm,降低了75.3%,均方根距离误差1.971mm降低到0.538mm,降低了72.7%,验证了所设计的拉线标定系统的有效性。通过对比基于激光跟踪仪测量的标定实验结果后发现:由于拉线传感器标定系统的测量精度相对较低,本系统标定的机器人精度比激光跟踪仪标定的精度略低,但可以满足通常的工业机器人应用场合。
汪红霞,林金官,黄性芳[7]（2021）在《时空模型的局部众数回归》文中指出时空数据经常含有奇异点或来自重尾分布,此时基于最小二乘的估计方法效果欠佳,需要更稳健的估计方法.本文提出时空模型的基于局部众数（local modal, LM）的局部线性估计方法.理论和数据分析结果都显示,若数据含有奇异点或来自重尾分布,基于局部众数的局部线性方法比基于最小二乘的局部线性方法有效;若数据无奇异点且来自正态分布,两种方法效率渐近一致.本文采用众数期望最大化（modal expectation-maximization, MEM）算法,并在数据相依情形下得出估计量的渐近正态性.
赵祥硕[8]（2020）在《基于整体最小二乘算法的坐标系统转换应用研究》文中研究指明基于最小二乘原理建立的高斯-马尔科夫（Gauss-Markov,G-M）模型广泛应用于大地测量和工程测量领域中,该模型建立的前提是考虑了观测向量误差。但是随着测绘理论多年的发展,若还只考虑观测向量的误差,求取的参数估值与真值则会发生很大的偏差。传统的转换模型和方法在应用上的局限性愈发明显,鉴于此,本文就整体最小二乘算法在坐标转换中的应用做了以下工作:（1）本文研究了同时顾及观测向量和系数矩阵误差的整体最小二乘算法（Total Least Squares,TLS）,推导出了基于奇异值分解的整体最小二乘解法和基于Lagrange函数的整体最小二乘迭代法,通过直线拟合算例验证了变量误差（Errors-in-variables,EIV）模型更加合理,比最小二乘算法的中误差降低了45.32%,能够获取更加可靠的参数估值。（2）考虑到系数矩阵同时包含着固定元素和随机元素,存在系数矩阵没有误差的情况,混合整体最小二乘算法（Least Squares-Total Least Squares,LS-TLS）解决了此问题,能得到精度较好的参数估计值。利用LS、TLS、LS-TLS求解参数估值,并通过单位权中误差评定精度,结果表明LS-TLS求取的参数精度较LS提高了 33.33%,较 TLS 提高了 24.10%。（3）在不等精度下,推导了基于Gauss-Newton的WTLS迭代解法和基于部分变量误差（Partial errors-in-variables,PEIV）模型的WTLS迭代解法。通过直线拟合算例验证了 WTLS两种解法的等效性;利用模拟数据求解平面坐标转换参数得知,WTLS比LS-TLS、TLS和LS的精度分别提高了 29.54%、41.87%、49.72%;利用四种算法求解的三维空间坐标转换参数得知,WTLS求解的参数最优,且求取检核点的均方根误差最小,而其他三种算法求得的均方根误差均大于WTLS求取的均方根误差,表明了 WTLS能够有效的解决观测向量和系数矩阵不等精度的问题。（4）本文重点研究了观测值中含有粗差的情况。由于TLS、LS-TLS和WTLS等在解决粗差问题上达不到较好的效果,本文通过推导出残差协因数阵,得到标准化残差,再利用标准化残差构建协因数因子函数、中位数法获得单位权中误差。在混合整体最小二乘抗差算法（Robust Least Squares-Total Least Squares,RLS-TLS）和加权整体最小二乘抗差算法（Robust Weighted Total Least Squares,RWTLS）的解算中,选取了 IGG系列权函数,在不断迭代中逐渐对权值修正,削弱含有粗差的观测值的权重,逐步实现抵制粗差的能力。通过算例6和工程实例分析发现,LS-TLS和WTLS在观测值含有粗差的情况下,求取的参数估值与真实值差异较大,而RLS-TLS、RWTLS得到的结果更接近于真实值,通过单位权误差可以看出,较其他算法求取的参数精度提高了 30%以上,伴随着粗差数量的增多,两种算法稳健性仍然较好,在处理粗差方面具有一定的优势。图[20]表[27]参[75]
辛明真[9]（2020）在《GNSS-A水下定位与导航关键技术研究》文中进行了进一步梳理海洋定位与导航是海洋科学研究、海上交通运输、海洋权益维护、海洋资源开发、海洋工程建设、海洋环境治理和海战场建设的基础,为人类一切海上活动提供全方位、全过程、全时段、多时空、多层次、多环节的海洋时空信息与位置服务。随着海洋开发活动的深入,海洋定位与导航的需求从水面以上转变为水上、水下的全部海洋空间,尽管全球导航卫星系统（GNSS,Global Navigation Satellite System）极大推动了大地测量与导航定位领域的全新发展,但电磁波在水体中快速衰减的特性使其无法直接用于水下目标定位与导航。由于声波在海水中具有良好的传播特性,GNSS-A（Global Navigation Satellite System-Acoustic）定位与导航技术得到了广泛研究应用,但复杂的海洋动态环境变化给高精度水下定位与导航带来了一系列的关键技术问题。论文系统性地总结了水下定位与导航的研究现状,针对GNSS-A水下定位与导航中存在的水下定位声线跟踪方法、水下差分定位模型优化、水下导航滤波算法等问题,开展了系统性的理论研究、方法改进和实验分析工作。论文主要研究内容如下:（1）顾及波束入射角的水下定位声线跟踪方法海水声速的时空变化会使声波沿传播方向发生折射,有效消除声波的折射效应对提高水下声学定位精度至关重要。在声速剖面已知的情况下,声线跟踪是削弱折射效应的有效方法,但现有的声线跟踪方法要求波束入射角已知,而基于距离交会原理的水下声学定位系统通常未对波束入射角进行直接观测。针对上述问题,提出了顾及波束入射角的水下定位声线跟踪算法,采用搜索法确定波束入射角,通过对声线跟踪与定位解算的迭代计算,实现波束入射角和目标坐标的渐次修正。为进一步提高计算效率,提出了迭代求解超越方程的解算法。实验结果表明,顾及波束入射角的水下定位声线跟踪方法能够有效利用声速剖面消除声线折射效应的影响,且解算法计算效率优于搜索法。（2）水下历元间静态单差定位方法与病态解算水下历元间静态单差定位方法是通过在相邻观测历元间做差分消除部分系统性误差的影响,但可能存在的病态性问题使历元间单差定位方法未能得到广泛应用。通过分析不同观测条件（航迹、升沉等）对历元间单差定位病态程度的影响,发现相邻观测历元间的几何入射角之差是影响病态性产生的主要因素之一,提出采用正多边形航迹改善历元间单差定位的病态性。针对已经存在历元间单差定位病态问题,提出了一种基于改进L曲线的LIU型估计方法,利用均方误差和残差二范数构成的L曲线确定LIU型估计参数的优化取值。实验结果表明水下历元间静态单差定位方法能够消除部分系统性误差影响,而基于改进L曲线的LIU型估计方法有效改善了历元间单差定位的病态估计结果。（3）水下基准间动态单差定位方法与网型设计针对水下动态多基准点非差定位方法无法消除系统误差影响的问题,提出了水下基准间动态单差定位方法,通过在同一观测历元的距离观测值间进行差分计算,消除部分系统性误差的影响。基于空间位置精度因子（PDOP,Position Dilution of Precision）对基准间单差定位的网型结构进行了设计优化,针对采用顶点差分基准点的正多边形网,由于方向余弦矢量近似相等导致网型结构较差的问题,提出采用中央差分基准点的正多边形辐射网进行优化设计。长基线定位实验表明,水下基准间动态单差定位方法能够消除系统性误差的影响,且采用中央差分基准点的正多边形辐射网有效增强了网型结构的强度。（4）基于交互多模型的水下导航Kalman滤波算法构建起与水下目标实际运动状态相一致的运动模型,是保证水下导航Kalman滤波精度和可靠性的重要前提。但在复杂海洋环境的影响下,水下动态目标的运动状态具有较强的多样性与随机性,往往无法根据先验信息采用与目标实际运动状态完全匹配的运动模型。当水下目标的运动状态在机动和非机动模式之间切换时,采用单一的机动或者非机动运动模型会使得滤波精度下降甚至滤波发散。为此提出了基于交互多模型的水下导航Kalman滤波算法,利用马尔可夫先验转移概率实现了多模型的加权融合,仿真实验表明相较于基于单模型的水下导航Kalman滤波算法,基于交互多模型的水下导航Kalman滤波算法表现出了更好的运动状态适应性。
杨若男[10]（2020）在《OFDM系统盲信道估计算法研究》文中研究说明正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术由于其数据传输速率高、频谱利用率高等优点在无线通信中得到了广泛应用。OFDM技术将频率分集和时间分集进行有机结合,不仅可以大幅度提高系统的信道容量和传输速率,而且能有效对抗多径衰落和干扰。在实际应用中,OFDM系统通常需要信道信息才能进行相干解调,因此信道估计是OFDM系统接收机设计的一项重要任务。现有的OFDM系统信道估计方法主要有盲（半盲）信道估计和非盲信道估计。非盲信道估计是利用发送训练序列或者插入导频信号的方法来估计信道;盲信道估计方法不需要发送训练序列或者插入导频信号,仅利用接收信号就可以在线估计出信道信息,提高了频谱的利用率。论文对OFDM系统的盲信道估计问题展开研究,取得的主要成果如下:1.针对SISO-OFDM系统的信道估计问题,提出了一种基于预编码的修正联合盲信道估计算法。通过在发送符号上引入预编码矩阵,提高接收符号之间的相关性,以便在接收端利用这种相关性来估计信道。论文详细分析了接收信号的自相关矩阵R的结构特点。首先利用R的对角元素得到信道的预估计,然后通过R的下三角元素对预估计的信道参数进行递推修正,得到最终的信道参数估计。论文分析了算法的计算复杂度,与基于子空间的盲信道估计算法相比,其复杂度有了明显的降低。最后,仿真结果表明,论文提出的修正联合盲信道估计算法在高信噪比情况下可以获得优于现有盲信道估计算法的估计精度。2.针对MIMO-OFDM系统的信道估计问题,提出了一种基于非冗余块状预编码的盲信道估计算法。通过对发送的两个符号引入分块编码矩阵,对接收信号的自相关矩阵对角线的两个子块分别进行奇异值分解,分别得到MIMO信道的两个估计,将它们进行融合得到了最终的MIMO信道估计。论文给出了融合系数的选取原则,使所提算法在获得最优信道估计的同时,最大限度地降低系统误码率。仿真结果表明,与现有的其它盲信道估计算法相比,论文算法具有更好的信道估计性能。3.针对SIMO-OFDM系统的信道估计问题,提出了一种基于平行因子分析的盲信道与符号联合估计算法。建立了接收信号的平行因子分析模型,通过接收信号矩阵的奇异值分解得到右奇异向量,并结合离散傅里叶变换矩阵可以构造出一个非奇异矩阵,据此可以同时得到信道信息和符号的估计。论文算法是一种闭式求解方法,相较于传统方法具有更低的计算复杂度。仿真结果表明,与传统方法相比,论文算法的信道估计性能更好。4.针对时变MIMO-OFDM系统的自适应盲信道跟踪问题,提出了两种盲信道跟踪算法:（1）递归最小二乘的盲信道跟踪算法（ABCE-RLST）,设计了以指数窗最小二乘方式表示的接收误差指标函数,通过最小化这个指标函数,递推得到盲信道估计;（2）同步对角化的盲信道跟踪算法（ABCE-SDT）,对数据加窗后的观测矩阵进行奇异值分解,构造出一个非奇异矩阵,通过对非奇异矩阵进行迭代更新,可以实现对信道的跟踪。仿真结果表明,与传统的盲信道跟踪算法相比,论文的两种盲信道跟踪算法具有更快的收敛速度和更小的信道跟踪误差。
二、奇异线性模型最小二乘估计的相对效率（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、奇异线性模型最小二乘估计的相对效率（论文提纲范文）
（1）低偏差无线定位算法设计与硬件加速（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 无线定位技术 |
| 1.2.2 低偏差无线定位算法 |
| 1.3 论文主要研究内容和论文结构 |
| 第二章 预备知识 |
| 2.1 引言 |
| 2.2 无线定位常用模型 |
| 2.2.1 双曲线定位模型 |
| 2.2.2 椭圆定位模型 |
| 2.3 定位性能评估 |
| 2.3.1 偏差、均方误差与均方根误差 |
| 2.3.2 克拉默-拉奥下界 |
| 2.4 定位算法偏差分析 |
| 2.4.1 定位算法误差 |
| 2.4.2 伪线性模型及其偏差分析 |
| 2.5 半定规划简介 |
| 2.6 约束总体最小二乘简介 |
| 2.6.1 最小二乘与总体最小二乘 |
| 2.6.2 约束总体最小二乘 |
| 2.7 奇异值分解与广义奇异值分解 |
| 2.7.1 奇异值分解 |
| 2.7.2 广义奇异值分解 |
| 2.8 小结 |
| 第三章 基于半定规划降低椭圆定位的偏差 |
| 3.1 引言 |
| 3.2 椭圆定位的正态估计模型及其性能界 |
| 3.2.1 椭圆定位的正态估计模型 |
| 3.2.2 性能界 |
| 3.3 最大似然估计量 |
| 3.4 半定松弛估计量 |
| 3.4.1 等价变换 |
| 3.4.2 半定松弛 |
| 3.5 仿真实验 |
| 3.5.1 仿真场景与参数的设置 |
| 3.5.2 目标基站测试点的选取 |
| 3.5.3 两个目标基站测试点的实验结果 |
| 3.6 小结 |
| 第四章 基于约束总体最小二乘降低双曲线定位的偏差 |
| 4.1 引言 |
| 4.2 双曲线定位模型及其伪线性化 |
| 4.2.1 双曲线定位模型 |
| 4.2.2 性能界 |
| 4.2.3 伪线性化 |
| 4.3 基于约束总体最小二乘的定位算法 |
| 4.3.1 约束总体最小二乘算法模型 |
| 4.3.2 基于牛顿迭代算法的求解 |
| 4.4 基于广义总体最小二乘的定位算法 |
| 4.4.1 广义总体最小二乘算法模型 |
| 4.4.2 估计模型求解推导 |
| 4.4.3 实现细节 |
| 4.5 仿真实验 |
| 4.5.1 仿真场景与参数的设置 |
| 4.5.2 不同算法近场/远场定位性能对比 |
| 4.6 小结 |
| 第五章 硬件加速 |
| 5.1 引言 |
| 5.2 单边Jacobi变换及SVD算法流程 |
| 5.2.1 单边Jacobi变换算法 |
| 5.2.2 基于单边Jacobi变换实现SVD的算法流程 |
| 5.3 奇异值分解算法的Xilinx HLS实现 |
| 5.4 基于UDP协议的PC端与FPGA端的通信实现 |
| 5.4.1 以太网数据包及UDP协议 |
| 5.4.2 FPGA端UDP协议的硬件设计 |
| 5.4.3 PC端UDP协议的驱动程序设计 |
| 5.5 整体架构实现 |
| 5.6 性能评估 |
| 5.7 小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:关键符号与含义 |
| 附录 B:主要缩略词 |
| 附录 C:作者在攻读硕士学位期间发表的论文 |
（2）基于多源SAR数据青藏高原冻土冻融过程及时空分布研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 InSAR技术的研究现状 |
| 1.2.2 青藏高原冻土形变监测研究现状 |
| 1.2.3 青藏高原交通工程沿线形变监测研究现状 |
| 1.2.4 青藏高原冻土活动层厚度反演研究现状 |
| 1.2.5 青藏高原冻土分布研究现状 |
| 1.2.6 有待研究的问题 |
| 1.3 论文的研究内容与章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第2章 青藏高原形变和活动层厚度反演InSAR方法研究 |
| 2.1 引言 |
| 2.2 青藏高原冻土冻融过程形变反演InSAR技术 |
| 2.2.1 永久散射体技术 |
| 2.2.2 分布式散射体技术 |
| 2.3 青藏高原冻土InSAR形变模型 |
| 2.4 基于InSAR技术的活动层厚度反演方法 |
| 2.4.1 基于季节性形变量活动层厚度反演方法 |
| 2.4.2 基于热传导定律的活动层厚度反演 |
| 2.4.3 基于MT-InSAR形变和多维土壤水分分布的活动层厚度反演 |
| 2.5 本章小结 |
| 第3章 基于超算平台PFDS-CSInSAR技术青藏高原形变反演 |
| 3.1 引言 |
| 3.2 PFDS-CSInSAR技术 |
| 3.2.1 Sentinel-1 数据预处理和干涉流程 |
| 3.2.2 CSI处理 |
| 3.2.3 DSI处理 |
| 3.2.4 DSI并行策略 |
| 3.2.5 时序InSAR流程 |
| 3.2.6 多轨InSAR形变结果拼接 |
| 3.3 青藏高原介绍 |
| 3.4 实验数据集 |
| 3.5 实验结果及分析 |
| 3.5.1 DSI处理结果 |
| 3.5.2 青藏高原形变速率结果图 |
| 3.5.3 青藏高原形变速率成因分析 |
| 3.5.4 并行DSI处理效率分析 |
| 3.6 实验结果对比与验证 |
| 3.6.1 PFDS-CSIn SAR与 CSIn SAR结果对比 |
| 3.6.2 部分区域验证 |
| 3.7 本章小结 |
| 第4章 青藏铁路沿线冻土冻融过程形变监测及冻土分类 |
| 4.1 引言 |
| 4.2 基于季节性形变模型自适应分布式散射体技术 |
| 4.2.1 青藏高原自适应分布式散射体技术 |
| 4.2.2 基于季节性形变模型的时序解算部分 |
| 4.3 基于季节性形变模型时序形变结果冻土分类方法 |
| 4.4 研究区和数据集介绍 |
| 4.5 实验结果与分析 |
| 4.5.1 青藏铁路沿线自适应分布式散射体技术结果与分析 |
| 4.5.2 Sentinel-1 数据青藏铁路沿线季节性形变结果 |
| 4.5.3 青藏铁路沿线季节性形变结果区域性分析 |
| 4.5.4 青藏铁路沿线冻土分类制图结果与分析 |
| 4.6 青藏铁路沿线结果对比与验证 |
| 4.6.1 青藏铁路沿线形变结果与NSBAS技术对比 |
| 4.6.2 青藏铁路沿线水准数据验证 |
| 4.6.3 青藏铁路沿线冻土分类结果野外采样点验证 |
| 4.7 本章小结 |
| 第5章 多源SAR数据冻土冻融过程及活动层厚度时空分析 |
| 5.1 引言 |
| 5.2 NSBAS 技术和活动层厚度反演模型 |
| 5.2.1 NSBAS技术 |
| 5.2.2 基于NSBAS技术季节性形变活动层厚度反演模型 |
| 5.3 研究区和实验数据介绍 |
| 5.3.1 研究区 |
| 5.3.2 数据源 |
| 5.4 实验结果与分析 |
| 5.4.1 多源SAR数据形变参数估计结果与时空分析 |
| 5.4.2 北麓河地区形变结果分析 |
| 5.4.3 北麓河地区活动层厚度结果与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.1.1 主要研究结论 |
| 6.1.2 主要创新点 |
| 6.2 存在问题与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）双线性状态空间系统的递推参数与状态估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题提出与研究意义 |
| 1.2 双线性系统的数学描述与研究现状 |
| 1.3 状态空间系统的参数与状态估计方法综述 |
| 1.4 论文主要研究内容简介 |
| 第二章 双线性系统的状态估计方法 |
| 2.1 引言 |
| 2.2 基于Kalman滤波的双线性系统状态估计算法 |
| 2.3 基于delta算子的双线性系统状态估计算法 |
| 2.4 仿真例子 |
| 2.5 本章小结 |
| 第三章 双线性系统的多新息参数与状态估计 |
| 3.1 引言 |
| 3.2 白噪声干扰下双线性系统的多新息参数与状态估计 |
| 3.2.1 系统描述与辨识模型 |
| 3.2.2 基于双线性状态观测器的随机梯度算法 |
| 3.2.3 基于双线性状态观测器的多新息随机梯度算法 |
| 3.2.4 仿真例子 |
| 3.3 有色噪声干扰下双线性系统的多新息参数与状态估计 |
| 3.3.1 系统描述与辨识模型 |
| 3.3.2 基于双线性状态观测器的多新息增广随机梯度算法 |
| 3.3.3 基于双线性状态观测器的滤波多新息增广随机梯度算法 |
| 3.3.4 仿真例子 |
| 3.4 本章小结 |
| 第四章 双线性系统的递阶参数与状态估计 |
| 4.1 引言 |
| 4.2 白噪声干扰下双线性系统的递阶参数与状态估计 |
| 4.2.1 系统描述与辨识模型 |
| 4.2.2 基于双线性状态观测器的二阶段递阶最小二乘算法 |
| 4.2.3 基于双线性状态观测器的多阶段递阶最小二乘算法 |
| 4.2.4 仿真例子 |
| 4.3 有色噪声干扰下双线性系统的递阶参数与状态估计 |
| 4.3.1 系统描述与辨识模型 |
| 4.3.2 基于双线性状态观测器的递阶广义增广最小二乘算法 |
| 4.3.3 基于双线性状态观测器的滤波递阶广义增广最小二乘算法 |
| 4.3.4 仿真例子 |
| 4.4 本章小结 |
| 第五章 时延双线性系统的参数与状态估计 |
| 5.1 引言 |
| 5.2 时延线性系统的参数与状态估计 |
| 5.2.1 基于Kalman滤波的状态估计算法 |
| 5.2.2 基于Kalman滤波的递推最小二乘算法 |
| 5.2.3 基于Kalman滤波的递阶最小二乘算法 |
| 5.2.4 仿真例子 |
| 5.3 时延双线性系统的参数、状态与时延估计 |
| 5.3.1 基于双线性状态观测器的递推最小二乘算法 |
| 5.3.2 基于双线性状态观测器的递阶最小二乘算法 |
| 5.3.3 仿真例子 |
| 5.4 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:攻读博士学位期间发表的论文 |
（4）气动数据异常检测算法研究和系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气动数据特性分析 |
| 1.2.2 异常检测算法研究现状 |
| 1.3 本文研究工作 |
| 1.4 本文的结构安排 |
| 2 相关理论基础 |
| 2.1 稳健回归技术 |
| 2.1.1 M估计 |
| 2.1.2 S估计 |
| 2.1.3 MM估计 |
| 2.1.4 L估计 |
| 2.2 孤立森林 |
| 2.2.1 经典的孤立森林算法 |
| 2.2.2 扩展的孤立森林算法 |
| 2.3 迭代奇异值分解 |
| 2.4 稀疏回归 |
| 2.5 ROC曲线分析方法 |
| 2.6 本章小结 |
| 3 气动数据异常检测算法设计 |
| 3.1 气动数据异常定义 |
| 3.2 方法选择 |
| 3.3 ISVD-LTS气动数据异常检测算法 |
| 3.3.1 基于FastLTS的气动数据异常检测 |
| 3.3.2 FastLTS的改进 |
| 3.3.3 实验分析 |
| 3.4 SMESM-EIF气动数据异常检测算法 |
| 3.4.1 基于EIF的气动数据异常检测 |
| 3.4.2 EIF的改进 |
| 3.4.3 实验分析 |
| 3.5 本章小结 |
| 4 气动数据异常检测系统研发 |
| 4.1 系统架构与技术选型 |
| 4.1.1 前端技术选型 |
| 4.1.2 后端技术选型 |
| 4.2 系统设计与实现 |
| 4.2.1 平台功能设计 |
| 4.2.2 用户管理模块 |
| 4.2.3 文件上传下载模块 |
| 4.2.4 异常检测模块 |
| 4.2.5 可视化交互模块 |
| 4.3 算法实现关键技术 |
| 4.3.1 矩阵运算 |
| 4.3.2 稀疏回归 |
| 4.4 本章小结 |
| 5 系统测试与结果分析 |
| 5.1 测试环境 |
| 5.2 系统功能测试 |
| 5.3 系统性能测试 |
| 5.3.1 并发测试 |
| 5.3.2 异常检测效率测试 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及研究成果 |
（5）基于总体最小二乘平差的若干应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景与意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 本章小结 |
| 第二章 总体最小二乘法基本平差理论 |
| 2.1 概述 |
| 2.2 最小二乘法平差原理 |
| 2.3 总体最小二乘法原理及解法 |
| 2.3.1 总体最小二乘法原理 |
| 2.3.2 总体最小二乘法SVD解法 |
| 2.3.3 总体最小二乘法最小奇异值解法 |
| 2.3.4 总体最小二乘法的Euler-Lagrange逼近解法 |
| 2.4 总体最小二乘误差分析 |
| 2.4.1 模型误差 |
| 2.4.2 观测误差 |
| 2.4.3 截断误差 |
| 2.4.4 舍入误差 |
| 2.5 本章小结 |
| 第三章 总体最小二乘拓展模型及解算 |
| 3.1 概述 |
| 3.2 混合总体最小二乘方法 |
| 3.2.1 混合总体最小二乘矩阵分解解法 |
| 3.2.2 混合总体最小二乘最小奇异值解法 |
| 3.2.3 混合总体最小二乘迭代解法 |
| 3.3 加权总体最小二乘方法 |
| 3.3.1 观测值不等精度下的加权总体最小二乘 |
| 3.3.2 系数矩阵不等精度下的加权总体最小二乘 |
| 3.4 总体最小二乘配置方法 |
| 3.4.1 最小二乘配置法 |
| 3.4.2 总体最小二乘配置法 |
| 3.5 本章小结 |
| 第四章 总体最小二乘平差在测量中的若干应用 |
| 4.1 基于总体最小二乘法的形变监测 |
| 4.2 基于总体最小二乘法的坐标转换 |
| 4.2.1 基于四参数函数模型的总体最小二乘法转换 |
| 4.2.2 基于七参数函数模型的总体最小二乘法转换 |
| 4.2.3 基于四参数模型总体最小二乘配置法转换 |
| 4.3 基于总体最小二乘法的高程拟合 |
| 4.4 基于总体最小二乘法的空间后方交会 |
| 4.5 基于总体最小二乘法的标靶球定位 |
| 第五章 总结与展望 |
| 5.1 论文主要工作 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
（6）面向工业机器人的拉线式运动学标定系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 机器人运动学标定系统国内外研究现状 |
| 1.2.1 机器人测量技术 |
| 1.2.2 机器人运动学建模 |
| 1.2.3 机器人参数辨识方法 |
| 1.2.4 误差补偿方法 |
| 1.3 课题来源 |
| 1.4 本文主要内容 |
| 1.5 本章小结 |
| 第二章 基于拉线传感器的运动学标定系统开发 |
| 2.1 拉线式运动学标定系统方案 |
| 2.2 拉线传感器测量系统及其导向机构设计 |
| 2.2.1 拉线传感器选用 |
| 2.2.2 拉线导向机构设计 |
| 2.2.3 拉线适配机构设计 |
| 2.2.4 基准点定位机构机构 |
| 2.3 基于SSI协议的数据采集卡设计 |
| 2.3.1 SSI协议简介 |
| 2.3.2 基于SSI协议的硬件设计 |
| 2.4 数据采集系统软件开发 |
| 2.5 钢绳长度误差模型 |
| 2.5.1 不同基准点引起的误差 |
| 2.5.2 钢绳变化长度建模 |
| 2.6 本章小结 |
| 第三章 机器人正运动学及距离信息误差模型 |
| 3.1 EFORT ER20-C10型机器人简介 |
| 3.2 机器人正运动学建模 |
| 3.2.1 标准DH模型 |
| 3.2.2 MDH模型 |
| 3.2.3 减速比、耦合比参数的引入 |
| 3.3 机器人误差模型 |
| 3.3.1 基于位置信息的机器人误差模型 |
| 3.3.2 基于距离信息的误差模型 |
| 3.4 参数冗余性分析 |
| 3.5 本章小结 |
| 第四章 基于距离信息的运动学标定方法研究 |
| 4.1 基于最小二乘法的参数辨识 |
| 4.1.1 最小二乘算法 |
| 4.1.2 测量噪声对最小二乘法的影响 |
| 4.1.3 基于最小二乘法的距离误差模型参数辨识算法仿真 |
| 4.2 基于扩展卡尔曼滤波算法的参数辨识 |
| 4.2.1 扩展卡尔曼滤波算法 |
| 4.2.2 基于EKF算法的距离误差参数辨识仿真 |
| 4.3 基于改进正则粒子滤波算法的参数辨识 |
| 4.3.1 粒子滤波原理 |
| 4.3.2 基于智能优化算法的改进RPF算法 |
| 4.3.3 基于改进RPF算法的距离误差参数辨识仿真 |
| 4.4 基于可观性指数的最优测量位姿分析 |
| 4.4.1 可观性分析理论 |
| 4.4.2 测量位姿集可观性指数最大化算法 |
| 4.4.3 基于可观性指数的运动学标定仿真 |
| 4.5 本章小结 |
| 第五章 机器人标定系统实验验证 |
| 5.1 测量精度实验 |
| 5.2 参数辨识实验 |
| 5.2.1 实验数据采集 |
| 5.2.2 最小二乘算法实验辨识结果 |
| 5.2.3 EKF算法实验辨识结果 |
| 5.2.4 GPSO-RPF算法实验辨识结果 |
| 5.2.5 基于可观性分析的运动学标定实验 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作成果及创新点总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A攻读硕士学位期间获得的科研成果及参与科研项目 |
（8）基于整体最小二乘算法的坐标系统转换应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 本文主要研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 文章结构 |
| 2 坐标系统转换模型 |
| 2.1 平面坐标系统转换模型 |
| 2.2 三维空间坐标系统转换模型 |
| 2.3 坐标重心化处理 |
| 2.4 本章小结 |
| 3 整体最小二乘算法应用研究 |
| 3.1 最小二乘算法 |
| 3.2 整体最小二乘算法 |
| 3.2.1 基本原理 |
| 3.2.2 基于奇异值分解的整体最小二乘解法 |
| 3.2.3 基于Lagrange函数的整体最小二乘迭代法 |
| 3.2.4 算例应用分析1 |
| 3.3 混合整体最小二乘算法 |
| 3.3.1 基本原理 |
| 3.3.2 算例应用分析2 |
| 3.4 加权整体最小二乘算法 |
| 3.4.1 基于Gauss-Newton的WTLS迭代算法 |
| 3.4.2 基于PEIV模型的WTLS迭代算法 |
| 3.4.3 算例应用分析3 |
| 3.4.4 算例应用分析4 |
| 3.4.5 算例应用分析5 |
| 3.5 本章小结 |
| 4 整体最小二乘抗差算法应用研究 |
| 4.1 基本原理 |
| 4.2 常见的等价权模型 |
| 4.3 混合整体最小二乘抗差算法 |
| 4.4 加权整体最小二乘抗差算法 |
| 4.5 算例应用分析6 |
| 4.6 工程实例 |
| 4.6.1 测区概况 |
| 4.6.2 平面连接测量 |
| 4.6.3 参数解算 |
| 4.7 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）GNSS-A水下定位与导航关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与安排 |
| 2 GNSS-A水下定位与导航 |
| 2.1 GNSS-A水下定位系统 |
| 2.2 GNSS-A水下定位模型 |
| 2.3 定位误差分析 |
| 2.4 定位估计方法 |
| 2.5 本章小结 |
| 3 水下定位声线跟踪方法 |
| 3.1 水下定位常梯度声线跟踪方法 |
| 3.2 水下定位等效声速声线跟踪方法 |
| 3.3 水下定位声线跟踪方法实验与分析 |
| 3.4 本章小结 |
| 4 水下历元间静态单差定位方法 |
| 4.1 水下历元间静态单差定位方法 |
| 4.2 基于改进L曲线的LIU型估计方法 |
| 4.3 水下历元间静态单差定位实验与分析 |
| 4.4 本章小结 |
| 5 水下基准间动态单差定位方法 |
| 5.1 水下基准间动态单差定位方法 |
| 5.2 水下基准间动态单差网型分析 |
| 5.3 水下基准间动态单差定位实验与分析 |
| 5.4 本章小结 |
| 6 交互多模型水下导航滤波方法 |
| 6.1 Kalman滤波与运动模型 |
| 6.2 交互多模型Kalman滤波方法 |
| 6.3 水下导航滤波实验与分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（10）OFDM系统盲信道估计算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 面临的问题 |
| 1.4 本文主要工作及章节安排 |
| 1.4.1 本文主要工作 |
| 1.4.2 本文组织结构 |
| 第二章 无线信道模型及OFDM系统基本原理 |
| 2.1 引言 |
| 2.2 无线衰落信道 |
| 2.2.1 大尺度衰落 |
| 2.2.2 小尺度衰落 |
| 2.3 典型的信道模型 |
| 2.3.1 信道冲激响应模型 |
| 2.3.2 AWGN信道 |
| 2.3.3 IEEE802.11 信道模型 |
| 2.3.4 瑞利信道 |
| 2.4 OFDM系统模型 |
| 2.4.1 OFDM系统典型结构 |
| 2.4.2 基于DFT的 OFDM系统 |
| 2.4.3 OFDM的循环前缀 |
| 2.5 本章小结 |
| 第三章 基于预编码的OFDM系统盲信道估计 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 修正联合盲信道估计算法 |
| 3.3.1 自相关矩阵分析 |
| 3.3.2 递推修正信道参数 |
| 3.3.3 算法复杂度分析 |
| 3.3.4 仿真实验分析 |
| 3.4 非冗余块状预编码盲信道估计算法 |
| 3.4.1 块状预编码 |
| 3.4.2 预编码矩阵和融合系数 |
| 3.4.3 仿真实验分析 |
| 3.5 本章小结 |
| 第四章 SIMO-OFDM系统盲信道与符号联合估计算法 |
| 4.1 引言 |
| 4.2 张量及平行因子分析理论 |
| 4.2.1 张量的矩阵化与向量化 |
| 4.2.2 平行因子分析 |
| 4.3 基于平行因子分析的SIMO-OFDM系统闭式求解算法 |
| 4.3.1 基于平行因子分析的SIMO-OFDM系统模型 |
| 4.3.2 交替最小二乘算法 |
| 4.3.3 基于平行因子分析的N-PARAFAC算法 |
| 4.3.4 算法复杂度分析 |
| 4.4 仿真实验分析 |
| 4.5 本章小结 |
| 第五章 MIMO-OFDM系统自适应盲信道估计算法 |
| 5.1 引言 |
| 5.2 时变MIMO-OFDM系统模型 |
| 5.3 信道参数估计的最小二乘算法 |
| 5.3.1 分解唯一性 |
| 5.3.2 递归最小二乘跟踪算法 |
| 5.4 同步对角化跟踪算法 |
| 5.4.1 同步对角化跟踪算法推导 |
| 5.4.2 同步对角化跟踪算法步骤 |
| 5.5 仿真实验分析 |
| 5.5.1 实验设置 |
| 5.5.2 信道参数突变 |
| 5.5.3 信道参数慢时变 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、奇异线性模型最小二乘估计的相对效率（论文参考文献）
- [1]低偏差无线定位算法设计与硬件加速[D]. 丁颖. 江南大学, 2021(01)
- [2]基于多源SAR数据青藏高原冻土冻融过程及时空分布研究[D]. 王京. 中国科学院大学(中国科学院空天信息创新研究院), 2021(01)
- [3]双线性状态空间系统的递推参数与状态估计[D]. 张霄. 江南大学, 2021(01)
- [4]气动数据异常检测算法研究和系统设计[D]. 杨海强. 西南科技大学, 2021(08)
- [5]基于总体最小二乘平差的若干应用研究[D]. 高艳飞. 昆明理工大学, 2021(01)
- [6]面向工业机器人的拉线式运动学标定系统研究[D]. 黎源. 昆明理工大学, 2021(01)
- [7]时空模型的局部众数回归[J]. 汪红霞,林金官,黄性芳. 中国科学:数学, 2021(04)
- [8]基于整体最小二乘算法的坐标系统转换应用研究[D]. 赵祥硕. 安徽理工大学, 2020(07)
- [9]GNSS-A水下定位与导航关键技术研究[D]. 辛明真. 山东科技大学, 2020(04)
- [10]OFDM系统盲信道估计算法研究[D]. 杨若男. 西安电子科技大学, 2020(02)