最小二乘法简单求解, 最小二乘法是回归分析中的一种标准方法,通过最小化残差的平方和(残差是观察值和模型提供的拟合值)在每个单独方程的结果中得出。 最重要的应用是数据拟合。当问题在自变量(x变量)中有很大的不确定性时,简单回归和最小二乘法就会出现问题;在这种情况下,可以考虑拟合变量误差模型所需的方法,而不是最小二乘法。 最小二乘问题分为两类:线性或普通最小二乘和非线性最小二乘,这取决于残差在所有未知数中是否是线性的。线性最小二乘问题出现在统计回归分析中;它有一个封闭形式的解决方案。非线性问题通常通过迭代细化来解决;在每次迭代中,系统都近似为线性系统,因此两种情况下的核心计算都是相似的。 多项式最小二乘法将因变量预测中的方差描述为自变量的函数以及与拟合曲线的偏差。 当观测来自一个指数族,其自然充分统计量和温和条件得到满足(例如,对于正态分布、指数分布、泊松分布和二项分布),标准化最小二乘估计和最大似然估计是相同的。[1]最小二乘法也可以作为矩估计法推导出来。 以下讨论主要是根据线性函数提出的,但最小二乘法的使用对于更一般的函数族是有效和实用的。此外,通过迭代地将局部二次近似应用
1
天线测量技术是指对天线进行测试,以确保天线符合规格或只是对其进行表征。天线的典型参数是增益、带宽、辐射方向图、波束宽度、极化和阻抗。 天线方向图是天线对从给定方向入射的平面波的响应或天线在给定方向发射的波的相对功率密度。对于倒易天线,这两个方向图是相同的。已经开发了多种天线方向图测量技术。开发的第一个技术是远场范围,其中被测天线 (AUT) 放置在范围天线的远场中。由于为大型天线创建远场范围所需的尺寸,开发了近场技术,允许在靠近天线的表面上测量场(通常是其波长的 3 到 10 倍)。然后预测该测量在无穷远处是相同的. 第三种常用方法是紧凑范围,它使用反射器在 AUT 附近创建一个看起来近似平面波的场。
1
天线阵列(或阵列天线)是一组连接的多个天线,它们作为单个天线一起工作,以发射或接收无线电波。单个天线(称为元件)通常通过馈线连接到单个接收器或发射器,馈线以特定相位关系将功率馈送到元件。每个单独天线辐射的无线电波组合和叠加,加在一起(建设性干扰)以增强在所需方向上辐射的功率,并抵消(破坏性干扰)以减少在其他方向上辐射的功率。类似地,当用于接收时,来自各个天线的单独射频电流在接收器中以正确的相位关系组合以增强从期望方向接收的信号并消除来自不期望方向的信号。更复杂的阵列天线可能具有多个发射器或接收器模块,每个模块都连接到一个单独的天线元件或一组元件。 与单个元件相比,天线阵列可以实现更高的增益(方向性),即更窄的无线电波波束。一般来说,使用的单个天线元件的数量越多,增益越高,波束越窄。一些天线阵列(如军用相控阵雷达)由数千个单独的天线组成。阵列可用于实现更高的增益、提供路径分集(也称为MIMO),从而提高通信可靠性、消除来自特定方向的 干扰、以电子方式引导无线电波束指向不同的方向,以及无线电测向(RDF)。
2022-09-07 15:06:00 31.62MB 数值优化 机器学习 深度学习 信号处理
1
中国传媒大学 信息与通信工程学院 DSP实验指导
2022-09-06 19:06:56 1.11MB
1
研究了一种基于D-S证据理论的多证据数据融合决策的开关磁阻发电机(SRG)故障诊断方法。根据SRG电流、电压、转矩三个证据信号进行融合处理,提高了其故障诊断的精确性和可靠性。文章对D-S证据理论在开关磁阻发电机故障诊断中的应用进行了实例分析,结果表明该方法能够有效提高故障诊断精度。
1
《阵列信号处理的理论和应用》的读者对象为通信与信息系统、信号和信息处理、微波和电磁场、水声等专业高年级本科生和研究生以及相关专业技术人员
2022-09-06 15:47:19 20.21MB 阵列信号处理
1
针对当前输电线路故障诊断的需求,结合智能电网运行中产生的大量结构多样、来源复杂的数据,将这些大数据归类于不同的维度,设计了基于多维度数据融合的输电线路故障智能诊断系统。对多维度的诊断结果融合架构、融合方法等进行了设计,并给出了故障智能诊断系统的主要功能模块和整体结构。最后,通过该系统的运行,表明了多维度数据融合的诊断结果具有较高的诊断速度和准确度,在电力行业故障诊断方面具有良好的应用前景。
2022-09-05 21:03:41 1.5MB 多维度 故障诊断 特征降维 数据融合
1
针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法。搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果。测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91。
2022-09-05 16:14:38 301KB 行业研究
1
教材,西安交通大学出版社,作者a.v.奥本海姆 和r.w.谢弗
2022-09-05 10:49:09 18.1MB a.v.奥本海姆
1
离散时间信号处理(英文第三版)第二章Discrete-Time-Signal-Processing2-3rd-edition-chapter2-discrete-tim
2022-09-05 10:45:24 4.12MB 信号与系统
1