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。     

无线传感中的WPSO-DVHOP算法在节点定位中的研究

节点的定位一直都是无线传感网中的重要研究对象,针对使用传统算法定位节点容易出现估算不准确,定位精度低,算法自身局部收敛速度快等缺点,提出一种基于权值粒子群优化(WPSO)算法,首先分析了采用锚节点估算未知节点的距离与真实距离误差,采用最小二乘法的距离修正值策略,其次针对粒子群算法的收敛速度不足,提出了采用权值来调节粒子的速度,改进后的算法对节点定位误差进行修正。在仿真平台Matlab上的实验说明WPSO算法相对于基本的定位算法,粒子群定位算法相比提高了传感器节点定位精度,从算法的收敛性,节点定位的精度以及能量消耗等方面说明该算法具有一定的有效性,如何能够更好进行权值的设置使之能够更加有效提高算法的效率是下一步研究的重点。     

基于角度信息的递推最小二乘无源定位算法

针对机载单站无源定位的定位精度和实时性等问题,提出了一种基于角度信息的递推最小二乘(RLS)无源定位算法;首先建立了机载单站三维无源定位模型,求出最小二乘(LS)解;然后依据机载单站无源定位的实时性要求将最小二乘估计转化为递推最小二乘估计的形式;最后通过不同的仿真实验研究了影响定位精度和收敛速度的因素;仿真结果表明:RLS算法与LS算法在定位精度和收敛速度方面性能相似,但RLS算法运算复杂度低,所需存储空间小,能够实时的对目标进行定位,满足机载单站无源定位的需求。     

捷联惯导/北斗高精度组合导航方法研究

提出采用紧组合方式进行捷联惯导/北斗组合导航设计,首先对捷联惯导与北斗系统进行误差分析与建模,将捷联惯导系统误差、北斗等效时钟误差相应的距离(伪距误差)以及等效时钟频率误差相应的距离率(伪距率误差)作为组合导航系统状态;利用捷联惯导位置输出与北斗接收机星历输出构造获得等效伪距,将其与北斗接收机测量的伪距对应相减作为量测,推导建立对应的量测方程,采用卡尔曼滤波设计捷联惯导/北斗组合导航滤波算法。仿真结果表明,该组合导航方法的速度精度达到±0.05m/s,位置精度达到±3.2m,水平姿态精度达到±0.4′,航向精度达到±1.6′。     

基于群波时差信息的地下震动目标定位方法

针对现代战争技术中地下炸点三维定位难,精度低的问题,本文提出了一种改进粒子群算法,并利用其解决群波时差地下震动目标定位的问题。该算法克服了粒子群算法本身种群数量和和质量的选择、后期容易陷入局部最优的问题。通过结合直达P波优势频率的相位差特点,利用群波时差测量信息进行定位计算,以提高定位结果的精确度。目标定位的测试结果表明,新算法在20m*20m的区域内,该方法能有效地提高目标定位精度,加入的随机噪声干扰方差的条件下,定位误差不超过10cm,且收敛速度增快,性能稳定。     

无人机侦察多目标实时定位技术研究

目标定位是无人机侦察系统中至关重要一步。为增强无人机侦察目标定位的实时性、提高定位精度及侦察效率,提出一种多目标实时定位的方法,建立主次目标定位几何关系及坐标转换模型,结合已知数据信息求取各目标大地坐标,并用蒙特卡洛法分析目标定位误差。最后,基于即将组网成功"北斗二代"卫星导航系统对无人机空中定位,同时采用递归最小二乘算法滤波处理,提高了目标定位精度。研究及实验结果表明,北斗导航定位能够有效提高无人机空中定位精度,且有望达到厘米级精度,同时采用RLS滤波处理能使目标定位精度提高10 m左右。该方法能够有效增强无人机定位实时性,提高定位精度及侦察效率。     

基于相似日的支持向量机短期负荷预测

摘要：为提高电网短期负荷预测的精度,对以往学者基于相似日和最小二乘支持向量机(LS-SVM)短期负荷预测方法进行改进,形成一种改进的基于相似日和细菌趋化改进粒子群算法优化最小二乘支持向量机(least squares support vector machine based on improved particle swarm optimization for bacterial chemotaxis, PSOBC-LSSVM)的预测模型。克服了标准粒子群算法容易早熟收敛和陷入局部最优的问题,并充分考虑短期负荷的连续性与周期性对选取相似日造成的影响,将二者结合到一起综合考虑,利用改进的粒子群得到二者的最佳匹配值,并将其融合到时间距离这一因子当中。算例表明该方法预测精度较更高,可行且有效。     

基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。     

基于粒子群优化的最小二乘支持向量机在混合气体定量分析中的应用

针对混合气体建模过程中最小二乘支持向量机参数难以确定及红外光谱数据计算量过大的问题,提出一种粒子群优化的最小二乘支持向量机方法,用于建立基于主成分分析特征提取的红外光谱多组分气体定量分析模型。首先对主吸收峰区域的550个红外光谱数据利用主成分分析技术进行了特征提取,将降维得到的7个特征值作为模型的输入变量从而有效地降低了计算量。混合气体主要由浓度范围分别是0.1%～1%的甲烷、乙烷及0.1%～1.5%的丙烷三种组分气体组成。采用最小二乘支持向量机技术分别建立了各组分气体的定量分析模型,利用粒子群优化算法对最小二乘支持向量机算法中的参数进行了优化选取,取代了传统的遍历优化方法,然后利用取得的最优参数重建定量分析模型。实验结果表明,采用此方法离线建模所用时间比采用遍历优化方法节省40倍以上,预测结果误差水平相当,满足实测要求。粒子群优化算法在全局优化及收敛速度方面具有较大优势。粒子群优化算法与最小二乘支持向量机技术相结合用于混合气体定量分析是切实可行的,具有一定的实际意义和应用价值。     

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。      

基于惯性信息辅助的北斗动动定位方法的研究

针对北斗动动定位中接收机信号易受遮挡导致无法实时准确定位的问题,对复杂信号条件下的动动定位测试进行了研究,提出了一种利用惯性信息辅助解算动态模糊度的方法,即一种将运动载体的惯导信息与北斗测量信息相结合,实现两运动载体之间精确动态相对定位的算法。通立基于载波相位双差的观测模型,采取融合滤波算法,讨论在在不同卫星数目下的模糊度求解方法。在此基础上,利用实地车载试验完成了对上述组合定位方法的试验验证以及精度测试,事后着重对各历元数据进行解算,对定位精度、可用性进行了研究。结果表明,基于惯性信息辅助的北斗动动定位可用性指标变好,定位精度有一定的提高。     

一种传感器特性的高精度拟合方法

为提高传感器非线性特性的拟合精度,提出了一种基于最小二乘支持向量机(LSSVM)与量子粒子群优化算法(QPSO)的传感器特性拟合方法;该方法采用最小二乘支持向量机构建传感器特性的非线性回归模型,模型的参数向量由量子粒子群优化算法和学习样本平均绝对误差最小的准则进行优化;实验结果验证了该方法的有效性,其拟合绝对误差在10-9~10-7%之间,其拟合性能明显优于常规方法。     

基于不敏粒子滤波的水中非合作磁性目标实时磁定位方法

针对水中非合作磁性目标的实时定位问题, 提出了一种基于不敏粒子滤波(unscented particle filter, UPF)的实时磁定位方法. 从非合作磁性目标的运动特征出发, 建立了状态空间模型, 利用UPF算法对目标状态进行实时估计. 为了提高系统的可观测性, 在算法迭代过程中对粒子状态进行约束及利用最小二乘法反演磁矩. 仿真与铁磁物体定位实验结果表明, 该方法的定位精度较高, 实时定位效果较好, 可用于近场实时磁定位问题中. 关键词： 磁定位 椭球体模型 状态空间模型 不敏粒子滤波     

基于尺度不变特征变换和区域互信息优化的多源遥感图像配准

为了进一步提高遥感图像配准精度, 提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法. 首先利用混沌序列的随机性和遍历性, 提出一种混沌量子粒子群优化(CQPSO)算法, 在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时, 采用一种新的机理引入混沌序列, 进化粒子克服早熟. 图像配准算法分为预配准和精配准两个过程. 基于SIFT算法提取特征点, 经匹配和有效地外点排除完成预配准, 然后对匹配特征点坐标进行亚像素级微调, 通过最小二乘法求得一系列匹配参数构造初始粒子群, 最后利用混沌量子粒子群优化区域互信息完成精配准, 得到最优匹配参数. 用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较, 另外, 对SIFT, SIFT结合PSO算法优化区域互信息, SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较, 实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.     

基于混沌离散PSO算法的乙烯生产过程模型变量的选择

管式炉裂解技术是当今乙烯生产的主要技术,乙烯生产过程中有多种影响质量指标的变量,将全部变量参与建模显然会增加建模难度和复杂性,并且大量的冗余信息会降低模型的精度;针对这一问题,提出了基于混沌思想的离散粒子群(PSO)算法进行模型变量的选择;首先,采用混沌离散PSO算法得到建模的最优输入变量集合,再通过偏最小二乘法(PLS)对所选变量进行建模;结果表明,该方法可更有效地克服传统粒子群算法容易陷入局部最优的问题并建立较高的模型精度。     

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。     

基于二维最小Tsallis交叉熵的图像阈值分割方法

利用Tsallis熵的非广延性,提出了二维最小Tsallis交叉熵阈值分割方法.首先给出了二维Tsallis交叉熵的定义,并以最小二维Tsallis交叉熵为准则,利用粒子群优化算法来搜索最优二维阈值向量.该方法不仅进一步考虑了像素之间的空间邻域信息,而且考虑了目标和背景之间的相互关系,其分割性能优于基于Shannon熵的交叉熵阈值法和一维最小Tsallis交叉熵阈值法,并且具有很强的抗噪声能力.实验结果表明,该方法可以实现快速、准确的分割. 关键词： Tsallis交叉熵 二维直方图 粒子群优化算法 图像分割     

观测站非机动情况下的渐进无偏目标跟踪算法

针对无源目标跟踪中将非线性测量方程伪线性化带来有偏估计的缺点,提出了一种基于方位和径向速度联合估计的渐进无偏目标跟踪算法。该算法通过对方位-径向速度组成的伪线性测量方程的噪声协方差矩阵进行约束,使其均方误差达到最小,得到目标状态向量的最小二乘无偏解。仿真和实验结果表明,在观测站非机动情况下,算法能够渐进无偏地收敛到真值,收敛后的距离跟踪误差在5%以内。     

基于小波变换的最小二乘相位解缠算法

最小二乘法是求解二维相位解缠问题最稳健的方法之一,其本质是在最小二乘意义下使缠绕相位的离散偏导数与解缠相位的偏导数整体偏差最小,并等效为可求解一大型的稀疏线性方程系统。由于系统矩阵结构的稀疏性,在采用迭代法求解时收敛速度非常慢。为了改善收敛特性,提出一种基于多分辨率表示的离散小波变换相位解缠算法。利用小波变换将原线性系统转化成具有较好收敛条件的等价新系统。仿真实验表明,该方法能够很好的恢复真实相位,其解缠效果优于Gauss-Seidel松弛迭代和多重网格法。     

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。