一种改进的弹丸落点声学定位方法

研究了基于传感器阵列的声源定位技术,并在此基础上提出了一种改进的最小二乘声源定位方法。首先,根据风速、风向、温度对声速的影响,建立了观测值修正模型,再根据误差传播特性合理分配权阵,然后用最小二乘法进行定位解算;考虑观测值中可能含有粗差,将IGG3抗差模型加入到数据处理中,以提高系统的抗干扰能力;另外,通过观察残差向量,判断可能出现时序错误的观测值,再对时序不断调整,解决多声源时序混乱的问题。最后,通过对试验数据解算分析,证明本文方法的有效性和可行性。试验结果表明:改进的最小二乘声源定位方法可使定位误差达到4 m以下。本文所提方法不仅能有效降低粗差的影响,而且可准确处理多声源定位中观测值时序关系混乱的问题,可靠性较高。本文的研究内容紧密联系实际,可为声源定位设备的设计和应用提供参考依据。      

一种全球定位系统接收机单点定位的新算法及数值试验

借助于Bancroft方法快速决定全球定位系统中接收机的大概位置，可作为观测方程线性化的初值.采用最小二乘法来求解方程时，观测数据存在较大误差(即出现粗差)的情况下，最小二乘解会出现不稳定性，即问题呈不适定性.为了克服解的不适定性，引入了正则化方法，采用正则化方法及正则化参数最优选择来提高抗粗差能力.实验结果表明，利用这种定位方法的抗粗差能力有一定的改进，这对实时、快速定位有重要意义. 关键词： 全球定位系统 Bancroft方法 最小二乘法 正则化     

光学经纬仪多站交会的整体最小二乘算法

靶场多台光学经纬仪获取空中炸点坐标时,所采用的水平投影法存在未能充分利用冗余观测值以及难以从多组解算结果中选出最精确结果的问题。而基于最小二乘的交会算法,虽然能解决上述问题,但是受初值影响较大、迭代速度慢甚至可能发散。提出了一种基于整体最小二乘的交会算法,该方法在迭代计算的过程中,对权矩阵不断进行调整,直到满足一定的精度要求为止。结合仿真数据对算法进行了验证。结果表明:该算法在初值较大的情况下,不容易发散,进行10次以内的迭代计算,即可得到较好的结果,当站点至目标距离为1 500 m时,精度可达到0.3 m以内,满足靶场要求。该算法同时考虑了观测值误差和模型线性化误差,大大降低了初值的影响,提高了收敛速度,能够精确地解算出炸点的三维坐标。     

等价权修正的Kalman抗野值滤波算法

水声工程实际数据中野点的存在影响标准Kalman滤波精度。借鉴抗差惯性导航定位中等价权思想,构造反映观测值误差的统计量,以其协方差矩阵作为判断滤波精度的指标,依据莱特准则设计了三种不同权重因子,充分利用正确观测,限制利用可用观测,排除有害粗差。仿真结果表明,这种等价权修正Kalman抗差算法,抗差性可媲美中位数滤波,证明当模型正确时,其在抑制零星和斑点型野值方面,效果很好。     

一种线性最小二乘法的声源目标精确定位方法

在分析了声音能量距离衰减模型的基础上,提出了一种声源发射能量未知下的声源目标位置精确定位计算方法。将声音能量定位模型转化为非约束线性最小二乘法估计问题,其定位结果直接用代数解表示。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。对信标节点位置坐标存在高斯噪声下的定位计算方法进行了改进以减少定位误差。仿真验证了该定位计算方法的有效性,数值模拟了不同观测信号噪声和信标节点位置噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,更接近于定位误差的克拉美罗下界值。     

基于小电流二次放电法的蓄电池内阻在线检测研究

北斗伪距单点定位具有易于实现、不存在整周模糊度、速度快等特点,具有很大的研究和应用价值。传统最小二乘法由于引入了线性误差、对初始值依赖性强而导致定位精度低。为了提高北斗伪距单点定位的精度,通过分析最小二乘法和粒子群算法的优缺点,提出了一种LS-PSO组合算法。首先利用最小二乘法定位计算接收机的大约位置,作为粒子群算法解的基准值并建立解的搜索空间,然后利用粒子群算法得到全局最优值,解算出精度更高的结果。经过实验验证,LS-PSO组合算法可以稳定的解算出m级精度的定位结果,并且三维方向偏差都在大约5m以内。最后通过与遗传算法的收敛情况和最小二乘法的定位精度进行对比,证明LS-PSO组合算法可以快速的收敛到最优解并且有效的提高了北斗伪距单点定位精度。     

一种线性最小二乘法的声源目标精确定位方法

在分析了声音能量距离衰减模型的基础上,提出了一种声源发射能量未知下的声源目标位置精确定位计算方法。将声音能量定位模型转化为非约束线性最小二乘法估计问题,其定位结果直接用代数解表示。同时对非约束线性最小二乘法下的参数进一步优化,提出了约束线性最小二乘法以提高定位精度。对信标节点位置坐标存在高斯噪声下的定位计算方法进行了改进以减少定位误差。仿真验证了该定位计算方法的有效性,数值模拟了不同观测信号噪声和信标节点位置噪声对定位误差的影响。结果同时表明,约束线性最小二乘法比非约束线性最小二乘法的定位误差更小,更接近于定位误差的克拉美罗下界值。      

基于LS-PSO的北斗伪距单点定位算法

北斗伪距单点定位具有易于实现、不存在整周模糊度、速度快等特点,具有很大的研究和应用价值;传统最小二乘法由于引入了线性误差、对初始值依赖性强而导致定位精度低;为了提高北斗伪距单点定位的精度,通过分析最小二乘法和粒子群算法的优缺点,提出了一种LS-PSO组合算法;首先利用最小二乘法定位计算接收机的大约位置,作为粒子群算法解的基准值并建立解的搜索空间,然后利用粒子群算法得到全局最优值,解算出精度更高的结果;经过实验验证,LS-PSO组合算法可以稳定的解算出m级精度的定位结果,并且三维方向偏差都在大约5 m以内;最后通过与遗传算法的收敛情况和最小二乘法的定位精度进行对比,证明LS-PSO组合算法可以快速的收敛到最优解并且有效的提高了北斗伪距单点定位精度。     

基于抗差估计的全姿态多位置寻北

为解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,采用总体最小二乘法估算北向角。该算法将陀螺漂移转化为测量误差,而转台倾斜误差、轴系误差及安装误差等同系数矩阵误差,在忽略较少误差项的同时完成寻北过程;并根据实际数据中含有粗差的情况,提出抗差总体最小二乘方法,引入 等价权函数消除粗差数据的影响,从而提高算法在含有粗差数据时的寻北精度。仿真数据分析和实验结果表明：该算法能有效削弱粗差对寻北精度的影响,实现全姿态高精度寻北。     

基于直线加权平均的平均值法、逐差法和最小二乘法的等效假设研究

从等间距线性数据所确定的直线出发,对算术平均值法、逐差法和最小二乘法的基本假设进行了研究。针对计算等间距线性数据最佳斜率的3种不同方法,基于直线加权平均研究了每条可能直线的权重。界定了3种不同类型的线性数据:在最小间隔等权的线性数据中,经算术平均值法计算的斜率,标准误差最小;在点等权的线性数据中,通过最小二乘法所得到的斜率,标准误差最小;最后,从不等精度的假设出发,定量给出了逐差法最优的条件:测量数据的标准误差由两端向中间区域以1/2次方的速率衰减。     

光学图像中的抛物线目标特征检测方法研究

针对光学图像中的抛物线目标特征检测问题,提出一种基于最小二乘法的抛物线检测方法。采用Canny边缘检测算子进行边缘提取,对提取到的边缘点采用最小二乘法确定抛物线方程的系数,通过对二次曲线施加抛物线约束,使得算法不需要经过迭代就能得到最优解,并对抛物线方程进行坐标变换推导,计算出抛物线的参数。仿真数据实验和实际图像的实验表明:该算法能够检测到光学图像中的抛物线目标特征,各个参数的计算精度均在98%以上。     

地表水总有机碳含量紫外-可见光谱检测方法

总有机碳是以碳含量评价水质有机污染的指标,可以反映水体受污染程度。目前地表水总有机碳检测多采用现场取样后实验室分析检测方法,该方法存在费时费力、操作复杂、二次化学污染等缺点。紫外-可见光谱法具有环保、操作简便、可实时在线原位检测等优点,在地表水总有机碳检测中具有很好的应用前景。针对总有机碳检测问题,采用了一种基于自适应增强学习的区间偏最小二乘回归方法,该方法将总有机碳吸收光谱波段分为若干子区间,初始化训练样本权重, 依次在各子区间建立偏最小二乘回归模型,根据子区间模型预测误差率计算该子区间预测结果的权重系数,并更新下一子区间训练样本权重,最后将各子区间模型预测结果线性加权得到总有机碳的检测结果。实验配制总有机碳标准溶液浓度25～150 mg·L-1共43个样品,第一时间段采集35个总有机碳标准样品光谱分为训练集和测试集,建立并验证总有机碳检测算法模型。为评价算法模型鲁棒性,在另一时间段采集剩余的8个标准样品光谱进行反测验证。实验结果表明,采用基于自适应增强学习的区间偏最小二乘回归法建立的总有机碳定量模型具有较高的精度和鲁棒性,分组验证和反测验证的预测均方根误差分别为1.304和1.533 mg·L-1,均优于偏最小二乘回归和极限学习机方法。为进一步验证该方法的有效性,使用该建模方法预测生活污水的总有机碳含量。实际地表水样本取样于河北石家庄藁城污水处理厂排污口污水及河北先河公司园区的生活污水,经稀释后共获得50组地表水样本,采用SPXY方法分为训练集33组水样,测试集17组水样。在实际水样检测中,采用净信号分析方法进行光谱预处理,降低总有机碳与其他水质参数间的交叉干扰;分组验证预测均方根误差为3.26 mg·L-1,平均绝对值百分比误差为3.46%。综上所述,基于自适应增强学习的区间偏最小二乘回归方法,可以快速准确地对地表水中总有机碳进行检测,为在线水质总有机碳检测提供了方法支撑。     

光寻址电位传感器的正交相位检波检测方法

光寻址电位传感器的幅度检测方法易受噪声干扰,灵敏度差,信噪比和精度低,且受调制光源的影响较大,影响检测结果的准确性.为此提出了一种基于正交相位检波的光寻址电位传感器检测方法.该方法是将光寻址电位传感器的输出光电流信号分别与两路正交信号相乘,通过低通滤波提取直流分量并相除,即可得到光寻址电位传感器的输出信号相位信息.与已有的光寻址电位传感器相位检测方法相比,该方法具有算法复杂度低、实时性高的优点.实验研究了调制光源光强对光寻址电位传感器幅度检测和相位检测的影响,对比分析了光寻址电位传感器的传统幅度检测方法与正交相位检波检测方法对pH检测的灵敏度、线性度及信噪比.结果表明,相比于幅度检测方法,调制光源光强对光寻址电位传感器的相位检测影响更小,在频率为10 kHz,pH的范围为1.68~10.01的情况下,相位检测方法比幅度检测方法测得的灵敏度增加了7 mV/pH,精度提高了14.9 mpH,非线性误差减小了0.003%,均方差减少了0.1051×10^-5,信噪比增加了8.2827 dB.该方法特别适用于弱光下的光寻址电位传感器检测.     

相对误差最小二乘法的TDLAS气体浓度标定曲线拟合

可调谐半导体激光光谱技术（TDLAS）是光谱检测技术的一个分支,具有高灵敏度、高分辨率、实时监测、便携性好、小型化等优点,在工业环保、医疗检测、气象监测等领域得到了广泛应用。TDLAS气体传感器的测量精度与标定曲线密切相关,标定时,常用最小二乘法对标定曲线进行多项式拟合,但最小二乘法是以绝对误差的最小平方和作为评价标准,无法对相对误差进行约束,在低浓度量程下TDLAS气体传感器的标定曲线相对误差偏大,限制了标定量程。推导了光强透射率对数与气体浓度关系式作为目标函数,提出了基于相对误差意义下的最小二乘法,迭代方法采用高斯-牛顿迭代法（Gauss-Newton iteration method）,实验以雅士林DHS-100恒温恒湿箱来产生大量程范围的水汽标定浓度,Vaisala HMT337在线湿度检测仪的测量值作为标定浓度,自主研发的TDLAS湿度传感器选择波数为7 306.752 1 cm-1的水汽吸收峰,气室的光路长为50 mm,对1%~50%VOL的水汽浓度进行了拟合标定,对比了最小二乘法与相对误差最小二乘法的标定拟合结果。实验结果表明：采用最小二乘法拟合时,在低浓度量程下会出现较大的相对误差,高浓度量程下相对误差逐渐减小,无法保证整个大量程下测量精度要求;采用相对误差最小二乘法拟合时,在整个大量程范围下的相对误差波动比较小,相对误差分布曲线比较平稳,最大相对误差和相对误差标准差都远小于最小二乘法的拟合结果;以Ratio-C关系式作为目标函数,采用相对误差最小二乘法进行拟合标定时,最大相对误差为0.049 4,相对误差标准差为0.023 7,远优于最小二乘法的拟合结果,符合TDLAS传感器测量精度要求,验证了相对误差最小二乘法的标定算法可靠性,提高了TDLAS气体传感器的测量精度。     

胡杨叶片水分含量的近红外光谱检测

胡杨叶片水分含量是评价胡杨健康状况的重要指标。光谱检测法是一种常用的手段,但在近红外光谱的测量过程中,在一定程度上必然受到仪器噪声、摆放形态差异和环境的干扰,为避免噪声、散射对近红外光谱的影响,减少数据维数,采用多元散射校正(MSC)算法对原始光谱数据进行预处理,去除散射和基线漂移的影响,增加了光谱数据的信噪比,使有效光谱信息较为明显,谱带特征得到加强,有利于特征波长的选择。为降低模型的复杂度,防止过拟合现象,减小共线性影响,利用连续投影算法(SPA)进行特征变量选择,并通过多元线性回归模型,分析各个波长模拟的残差平方,评价各个波长的贡献,剔除贡献较小的波长,最终获得用于建模的特征波长,改善建模条件。最后使用偏最小二乘回归算法建立胡杨叶片水分含量检测模型。实验表明,直接使用原始光谱,利用SPA算法筛选变量个数为6个,模型预测精度为90.144%,相关系数r=0.674 24,RMSE=0.021 434,MSC处理后,利用SPA算法选定最终变量数为5个,预测精度为97.734%,相关系数r=0.781 63,RMSE=0.016 776。MSC和SPA算法有效的消除了散射噪声、减小了共线性干扰,模型的预测精度和相关性增加,误差减小,可用于胡杨叶片水分的快速无损检测,而且对其他作物叶片水分检测也具有一定的借鉴意义。     

基于高光谱图像和偏最小二乘的羊肉pH值特征波段筛选研究

波段筛选方法的选取以及随后的光谱特征波段的提取对高光谱模型效果的影响较大。为了快速准确检测羊肉的pH值,开展并讨论了利用两种特征波段筛选方法对羊肉pH值高光谱模型的影响研究。本研究采用二阶导数(2D)、多元散射校正(MSC)和中心化处理(mean-centering)相结合的方法对所提取纯肌肉部分的代表性光谱进行预处理,利用联合区间偏最小二乘(siPLS)和联合区间偏最小二乘结合遗传算法(siPLS-GA)对全波段473～1000 nm范围光谱进行特征波段的提取,并分别建立相对应特征波段范围羊肉pH的PLS预测模型,同时与全波段的PLS模型效果相比较。结果表明采用siPLS-GA提取的特征波长建立的PLS模型效果最优,其选取的特征波长点数为56,校正集相关系数(R_cal)和均方根误差(RMSEC)分别为0.96和0.043,预测集相关系数(R_P)和均方根误差(RMSEP)分别为0.96和0.048。siPLS-GA方法既能够减少建模使用的光谱变量,又可以提高模型精度,因此利用高光谱图像技术结合siPLS-GA可以实现羊肉pH的特征波段筛选和快速准确检测。     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。