WiFi室内距离交会定位位置的迭代解法

针对WiFi信号进行室内距离交会定位模型中WiFi测距误差引起的线性化误差不能忽略,提出在建立接收信号强度与距离的关系模型的条件下,利用高斯-牛顿迭代解法来提高室内定位的解算精度。阐述了该方法的原理,以最小二乘法求得的待定点坐标为初值进行高斯-牛顿迭代法计算。结果表明,此方法能有效提高定位精度,但精度仍不及传统指纹算法,该迭代解法仍需进一步改进。     

非线性最小二乘参数平差迭代算法

在非线性最小二乘问题现有的3类主要算法高斯-牛顿法、阻尼最小二乘法和最小二乘的拟牛顿法的基础上，引入了综合性能更优的非线性规划的SQPM(序列二次规划法)算法，并且为进一步提高SQPM算法迭代的收敛性，对其步长策略进行了改进。改进的SQPM算法成为无需精确计算参数概略值的非线性最小二乘参数平差的实用和有效算法。     

距离观测方程参数估计的随机搜索法

针对传统非线性模型参数估计方法(牛顿法、高斯-牛顿法、最速下降法、阻尼最小二乘法等)过度依赖初始值精度、只能获取局部最优解的缺点,利用遗传算法全局搜索能力的特点,得到距离观测方程参数估计解.最后利用短程测距数据和水下定位数据,验证了该算法的参数估计解.结果表明:该算法的收敛解优于线性平差估计解且明显提高解的精度.     

非线性最小二乘参数平差迭代算法

在非线性最小二乘问题现有的3类主要算法－－高斯－牛顿法、阻尼最小二乘法和最小二乘的拟牛顿法的基础上，引入了综合性能更优的非线性规划的SQPM（序列二次规划法）算法，并且为进一步提高SQPM算法迭代的收敛性，对其步长策略进行了改进。改进的SQPM算法成为无需精确计算参数概略值的非线性最小二乘参数平差的实用和有效算法。     

测距定位方程非线性平差的封闭牛顿迭代公式

测距方程;非线性强度;最小二乘;高斯-牛顿法;牛顿法;病态方程     

非线性最小二乘的遗传算法与常规算法的比较

为克服线性经典平差的不足,对非线性最小二乘进行了研究,主要将遗传算法应用于非线性模型参数估计领域,并采用阻尼最小二乘法和高斯-牛顿法对同一观测数据进行了处理,且对解算结果进行了比较。     

基于最小二乘的WiFi匹配导航

讨论了WiFi室内定位技术中常用的定位方法,并以位置指纹匹配方法为例,详细分析了其定位算法及精度.在此基础上,提出了基于最小二乘的接收信号强度匹配方法.在仿真场景下,分别对该算法进行了静态和动态的实验.结果表明,与位置指纹匹配方法相比,基于最小二乘的匹配方法可以达到子格网的定位精度.     

加权总体最小二乘法在点云数据平面拟合中的应用

研讨一种加权总体最小二乘法,它是在Malengo A文献的基础上推导的基于拟牛顿法的加权总体最小二乘算法,能够处理误差变量模型中的各种不同的情况。本文将该算法应用于点云数据平面拟合模型的求解,通过比较加权总体最小二乘法与最小二乘法、总体最小二乘迭代解法的结果来验证该种算法的有效性。     

非视距环境下基于PSO-SVM和RAIM的UWB定位方法

针对室内定位过程中超宽带(UWB)信号容易受到非视距(NLOS)环境的影响从而降低定位的精度和稳定性的问题，该文提出了基于粒子群优化支持向量机(PSO-SVM)和自主完好性监测(RAIM)的误差识别算法，通过粒子群优化(PSO)算法对支持向量机(SVM)模型参数进行优化，将优化后的支持向量机模型用于UWB NLOS信号的识别，并利用自主完好性监测算法将异常的UWB测距值剔除。实验结果表明，该文算法能够对NLOS信号进行准确的识别，并有效提升了NLOS环境下UWB定位的精度及稳定性，平面定位误差可控制在0.26 m以内，东、北方向的均方根误差分别为0.09、0.11 m。     

一种削弱NLOS影响的定位算法

通过获取坐标已知的基站间TOA值由此得到它们之间的伪距,与其真实距离做差再取平均值的方法,得到在NLOS误差改正值。具体定位时,先利用NLOS误差改正值对TOA观测值进行改正,然后采用附有约束条件的加权最小二乘法(CLW S)得到最终的定位结果。仿真结果表明,该方法可有效地削弱NLOS误差对定位精度的影响。     

改进的约束总体最小二乘法

针对传统的约束最小二乘模型和总体最小二乘模型的局限性,该文提出了一种改进的约束总体最小二乘法。假设约束总体最小二乘问题中约束方程系数矩阵也存在误差,然后构造函数模型的广义拉格朗日函数,采用最小二乘法迭代求解非线性的法方程,最终获得了改进的约束总体最小二乘法的牛顿-高斯迭代公式和平差模型精度的无偏估计。该算法采用了更接近实际的平差模型,能够获得更加接近真值的估计参数,同时平差模型的精度更加接近模拟数据加入的噪声水平。实验结果表明,本文算法可有效解决对参数进行约束时的数据处理问题。     

结构总体最小二乘估计理论的拓展及其应用研究EI北大核心CSCD

具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。     

一个非线性最小二乘混合算法及其在多源多维多类型测量数据联合非线性处理中的应用

建立了一个多源、多类型观测量联合处理的数学模型,针对该模型,结合非线性最小二乘的两种常用算法———修正的高斯—牛顿法与阻尼最小二乘法,建立了一个非线性最小二乘的混合算法,该算法不仅具有全局收敛性,而且在一定条件下局部二次收敛。通过算例验证了算法的有效性。     

一种基于蓝牙室内指纹定位的贝叶斯改进算法

贝叶斯估计是重要的位置指纹定位算法，但传统的等值贝叶斯先验概率在动态定位中不适用。针对该问题，本文提出了一种基于贝叶斯指纹定位的改进算法。首先，借助陀螺仪获取的航向信息和高斯核函数模型建立概率投票算法，计算先验概率；然后，结合先验概率和信号强度计算待测点位于参考点上的后验概率；最后，选取概率最高的参考点，以概率为权重计算待测点的最或然值。以智能手机为试验对象，在规则路径试验中，改进算法的平均定位误差为1.15 m，定位误差小于2 m的概率为96.1%，不规则路径试验中，平均定位误差为0.50 m，定位误差在1 m的可信度为94.8%；并且改进算法对定位中位置跳变的现象有明显改善，具有较好的稳健性。     

吉洪诺夫正则化总体最小二乘的圆曲线拟合

针对利用离散的观测坐标拟合圆曲线,在观测点分布较为集中时,会引起法方程病态问题,使用高斯-马尔可夫模型,以圆的参数方程为数学模型,引入更多的参数,结合Tikhonov正则化进行总体最小二乘,并对公元前500年古希腊科林斯赛马场跑道的一组考古数据(观测点集中分布在跑道起点处,该跑道近似为圆形),采用Tikhonov正则化总体最小二乘求解曲线参数.实验结果表明,该文提出的基于高斯-马尔可夫模型的Tikhonov正则化总体最小二乘方法可以有效解决圆曲线拟合中的不适定问题.     

基于改进高斯-牛顿法的位场向下延拓

本文针对位场向下延拓的不适定问题,在分析最优化算法中高斯-牛顿法基本原理及滤波函数滤波特性的基础之上,提出基于正则参数指数递增计算方法和残差最小步长准则的改进高斯-牛顿法。基于理论重力模型和航磁实测数据的对比实验表明,改进后得到的自适应迭代法具有相对较高的位场向下延拓精度和很好的收敛性。     

基于非线性高斯-赫尔默特模型的结构总体最小二乘法

变量误差（error-in-variables，EIV）模型的系数矩阵存在结构特征的情况，并且这种结构特征可以扩展到观测向量中。首先采用变量投影法将系数矩阵的增广矩阵展开成仿射矩阵形式，提取系数矩阵和观测向量中的随机量，并将EIV模型表示为非线性高斯-赫尔默特模型，然后利用非线性最小二乘原理推导了一种结构总体最小二乘法。该算法统一了普通的结构总体最小二乘法、结构数据最小二乘法以及最小二乘法。将该算法应用到真实算例和模拟算例中，两个算例结果表明，该算法与已有能够解决EIV模型结构特征的结构或加权总体最小二乘法估计结果一致，验证了该算法的有效性。同时，该算法对结构特征的提取方式简单、规律性强且易于编程实现；且在算法设计中，把结构总体最小二乘问题转换为附有参数的条件平差问题，即将其纳入到最小二乘平差理论体系，便于其扩展应用。同时对平面拟合问题的误差估计特性进行了定性分析，由分析可知参数的相对大小对估计误差的一致性有直接影响，这说明EIV模型下系数矩阵和观测向量中随机量的估计误差与真误差的一致性关系相对复杂。     

一种机载LiDAR条带平差最小二乘匹配算法

基于七参数正形变换的数据驱动模型实现了机载LiDAR条带平差,算法借鉴了Robert(2004)的最小二乘表面匹 配思想,通过引入高斯–马尔科夫模型改进了原有算法,得到未知参数的最小无偏方差估计。实验采用两组实测数 据,分别考察了引入高斯–马尔科夫模型的必要性、算法效率以及迭代收敛性和算法精度。实验表明：(1)剖面检查吻 合且精度一致;(2)TerraMatch量测匹配精度,理想数据高程匹配误差小于0.05 m,数据质量不理想时误差稍大,但均 能成功匹配。     

基于GMM-DBC的CSI室内定位算法

针对贝叶斯室内定位技术存在定位精度低及时间复杂度较高的问题，提出了一种基于高斯混合模型和密度聚类(GMM-DBC)的信道状态信息(CSI)定位算法.通过对分模型参数的初次估计构建GMM概率分布模型并进行误差计算；引入确定分模型个数(DSM)策略，结合误差计算结果更新GMM模型参数，减小由模型精度引起的定位误差；基于不同参考点的分布特征，判断参考点间紧密程度，将紧密相连的参考点划为一类，减小搜索范围，降低时间复杂度；根据分簇结果，利用改进的贝叶斯概率算法进行权值计算，得到最终定位结果.实验结果表明：所提算法能较好地提高定位精度，降低时间复杂度.     

基于垂直距离最小二乘拟合的双曲线沉降模型

引入临时坐标系,采用高斯-牛顿迭代算法,在双曲线基于垂直距离最小二乘拟合算法的基础上增加一个角度约束条件和两个平移约束条件,对沉降数据进行双曲线几何拟合而非代数拟合,提出了一种基于垂直距离最小二乘拟合的双曲线沉降模型的曲线参数估计算法。算例表明,改进算法改善了传统算法的拟合精度。