纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法:高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型:高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。     

纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法：高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型：高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。     

基于EV模型的惯导平台误差分离方法

针对惯导平台误差分离过程中输入输出观测数据均含有噪声的问题,应用基于EV模型的总体最小二乘方法进行误差分离.给出了惯导平台的误差模型及误差观测方程,介绍了EV模型及总体最小二乘方法,分析了利用车载试验进行误差分离时平台的安装方式以及所需的外测信号等问题.应用最小二乘法和总体最小二乘法进行仿真对比研究.仿真结果表明,基于EV模型的总体最小二乘法对惯导平台的误差系数分离精度较最小二乘法要高.     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

多基纯方位目标交叉定位中的非线性最小二乘方法

纯方位目标定位方法广泛应用于被动探测系统中,通常采用最小二乘方法对多基平台交叉定位结果进行估计定位.在纯方位定位估计中的最小二乘方法主要采用线性近似法,但难以满足实用中的非线性特性,因此导致定位精度难以提高.从非线性估计出发,利用牛顿迭代的非线性最小二乘估计算法对交叉定位结果进行估计,保留了二阶以上的观测误差,迭代趋于收敛.仿真结果表明与线性近似法相比,牛顿迭代法提高了定位精度,增强了定位稳定性,有效地改善了多基纯方位目标定位系统的定位性能.     

纯方位系统TMA非线性最小二乘法--工程数学模型与算法

在纯方位系统目标运动分析(TMA)众多方法中,非线性最小二乘法是较为实用的一种,由于其理论模型与选配的常规算法,在工程实施中仍嫌繁琐,因此,给出了线性化的最小二乘法,建立了工程数学模型与算法,并深入地研究了它的初值选取问题.最后,得出了非线性最小二乘法应用于纯方位系统TMA问题的研究结论.     

基于粗糙集与最小二乘支持向量机的飞机综合智能论证

结合粗糙集的属性约简理论与最小二乘回归支持向量机的回归思想,提出了一种基于粗糙集与最小二乘回归支持向量机的飞机设计综合智能论证模型。首先根据历史数据建立属性决策表,然后应用粗糙集理论对飞机综合论证指标参数属性进行约简来获得影响飞机设计综合论证的核心指标,最后再利用支持向量机回归模型建立与飞机综合论证核心因素之间的非线性映射模型来对飞机的作战效能进行预测。仿真实例验证了该方法可以降低模型的复杂度,加快SVM的训练速度并具有良好的预测效果。     

DSSS时变窄带干扰抑制算法研究

在传统非线性最小二乘(NLS)算法的基础上,提出一种基于线谱估计的直接序列扩频(DSSS)系统抑制窄带干扰(NBI)的方法。该算法首先通过对基于正弦波叠加模型的NBI进行频率估计,再利用最小二乘准则进行自适应滤波,恢复出干扰信号包络,从而利用干扰对消器将其从观测数据中消除。仿真验证表明,本算法相对于传统的最小均方误差(LMS)算法、自适应频域陷波法,能较好地抑制时变音频NBI模型的干扰,且信息量损失较小。     

纯方位系统TMA案例分析

在研究纯方位系统目标运动分析(TMA)的数学模型中,有些存在原理性错误.以两个典型例子,指出了错误所在,并分析了错误的原因.一个是不了解纯方位系统TMA基本原理;另一个是在使用最小二乘法时,对量测函数是待估量线性时常、线性时变、非线性关系或待估量与量测采样点函数关系认识不足,从而导致不能正确使用最小二乘法的错误.     

预测偏差的LS-SVM预测控制

提出了一种基于预测偏差的最小二乘支持向量机预测控制模型.首先介绍了最小二乘支持向量机预测模型,研究了基于预测偏差的控制算法,并给出了基于预测偏差的最小二乘支持向量机预测控制结构.通过利用最小二乘支持向量机辨识被控系统模型,同时预测系统的未来输出,然后用预测偏差控制算法进行滚动优化和反馈校正.仿真实例中,针对同一系统与基于预测偏差的RBF网络预测控制进行对比分析,表明该模型对系统的预测结果有更好的控制作用,并具有一定的抗干扰能力,有效地提高了预测精度.     

基于深度神经网络的OFDM系统IQ不平衡补偿技术

正交频分复用(OFDM)是现代移动通信中一项重要的物理层通信技术，并且OFDM系统要求子载波间严格正交。然而在实际系统中，振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase，IQ)不平衡，从而破坏子载波的正交性，严重影响OFDM系统的性能。本文研究了IQ不平衡对OFDM系统的影响，提出了基于并联深度神经网络的IQ不平衡补偿技术。该算法利用了深度神经网络不依赖于模型的特点，直接从接收到的频域信号恢复原输入信号的二进制序列，并利用IQ不平衡的干扰信号来自镜像子载波的先验知识来初始化神经网络，加快其网络优化的收敛速度。仿真结果表明，该算法能有效地补偿IQ不平衡失真，并且在幅度和相位失真的补偿上，其性能都优于传统的导频的最小二乘（LS）估计补偿IQ不平衡的算法，证明了深度学习方法解决物理层问题的优越性。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

条形装药在岩体中爆炸成腔过程的数值分析

利用LS-DYNA非线性有限元程序,对不同药量等级的条形装药,进行了无 限域岩体介质中的爆炸成腔数值模拟计算,得到了爆炸成腔过程的基本图像及爆腔形成的 位移时程曲线,通过对爆腔半径的数据分析对比,得到条形装药的长径比值k与爆腔半径和 装药半径之比值ra/R0呈线性关系、条形装药比集团装药具更强爆扩能力的结论。     

A COMPLEX OF TWO OPTIMIZATION IDEAS IN OPTICAL AUTOMATIC DESIGN

ＡＣＯＭＰＬＥＸＯＦＴＷＯＯＰＴＩＭＩＺＡＴＩＯＮＩＤＥＡＳＩＮＯＰＴＩＣＡＬＡＵＴＯＭＡＴＩＣＤＥＳＩＧＮＷａｎｇＹｏｎｇｚｈｏｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＡｐｐｌｉｅｄＰｈｙｓｉｃｓ,ＮＵＤＴ,Ｃｈａｎｇｓｈａ,４１００７３）Ａｂｓｔｒａｃｔ：...     

基于信息熵TOP SIS法的无线传感器网络节点自定位技术

在无线传感器网络的应用中，节点的定位是一个关键的问题。但是，利用已知节点对未知节点定位的算法存在着定位精度不高，定位计算量大等缺点。针对该问题，提出了一种基于信息熵TOPSIS法的节点自定位算法，该算法利用TOPSIS法按已给的传感器属性进行排序，只取最靠前的3个节点代入标准最小二乘公式中进行计算，既缩短了计算时间，又保证了计算精度。仿真实验证明，该算法是一种有效可行的算法。     

泛函在射表逼近中的应用

运用泛函理论,对方差最小原则下射表逼近进行分析,给出了在给定基函数形式条件下的统一计算公式,并对最小二乘方法作了改进,消除系数矩阵的原理误差,给出了提高精度的方法。最后,提出了一个选择基函数的有效方法。     

方位多相位中心SAR信号重建误差分析

就方位多相位中心(Azimuth Multiple-Phase-Center,AMPC)合成孔径雷达(Synthetic Aperture Radar,SAR)系统的阵列误差对信号重建性能的影响进行分析。将阵列误差建模为随机过程,结合最小二乘(Least-Square,LS)算法,推导了AMPC SAR误差功率谱的解析表达式,进而得到了AMPC SAR的信噪比与方位模糊比的解析表达式。仿真实验验证了理论分析的正确性。分析指出,随着系统脉冲重复频率的升高,有必要通过减小重建系数以实现重建性能的提升。分析方法与结果对AMPC SAR系统设计以及图像质量预估提供有效支撑。     

Formulations for dynamic lot sizing with service levels

In this article, we study deterministic dynamic lot‐sizing problems with a service‐level constraint on the total number of periods in which backlogs can occur over a finite planning horizon. We give a natural mixed integer programming formulation for the single item problem (LS‐SL‐I) and study the structure of its solution. We show that an optimal solution to this problem can be found in \begin{align*}\mathcal O(n^2\kappa)\end{align*} time, where n is the planning horizon and \begin{align*}\kappa=\mathcal O(n)\end{align*} is the maximum number of periods in which demand can be backlogged. Using the proposed shortest path algorithms, we develop alternative tight extended formulations for LS‐SL‐I and one of its relaxations, which we refer to as uncapacitated lot sizing with setups for stocks and backlogs. {We show that this relaxation also appears as a substructure in a lot‐sizing problem which limits the total amount of a period's demand met from a later period, across all periods.} We report computational results that compare the natural and extended formulations on multi‐item service‐level constrained instances. © 2013 Wiley Periodicals, Inc. Naval Research Logistics, 2013