说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 迭代最小二乘广义模投影算法
1)  ILSP-GMA
迭代最小二乘广义模投影算法
2)  LSGMA
最小二乘广义模值算法
1.
The convergence behavior of the least squares general modulus algorithm (LSGMA) is analyzed under several signal environments.
对用于波束形成的最小二乘广义模值算法(LSGMA)在多种信号环境下的收敛性能进行了分析;在此基础上提出一种新的多用户盲波束形成算法———迭代最小二乘广义模投影(ILSP-GMA)算法,克服LSGMA算法当恒模干扰信号强于所需信号时会错误收敛的缺陷。
3)  iterative least squares with projection
带投影的迭代最小二乘
4)  RIGLS
限制迭代广义最小二乘
5)  projected leastsquare algorithm
投影最小二乘算法
6)  least squares iterative estimation
最小二乘迭代法
补充资料:广义最小二乘估计
      用迭代的松弛算法对线性最小二乘估计的一种改进。线性最小二乘估计在模型误差为相关噪声时是有偏估计,即其估计值存在偏差。这时采用广义最小二乘估计能获得较精确的结果。
  
  假设所讨论的单输入单输出系统的差分方程模型是
  
  式中{uk}和{yk}分别是输入和输出序列:和是算子多项式,它们的系数是需要通过估计来求出的未知数;z-1是单位延迟算子;{ek}是误差序列,它是零均值平稳相关噪声序列。为了进行广义最小二乘估计可以从形式上把ek变换成,这里,它的系数也是未知的。如果{ek}具有有理谱密度,则可把{εk}当作白噪声序列来处理。这样就把系统模型变成
  
  
  
  相应的估计准则是
  
   
  广义最小二乘估计就是使估计准则J为极小的参数估计。多项式A(z-1)、B(z-1)和C(z-1)的系数都是未知的,所以不能用一个线性算法获得广义最小二乘估计。
  
  广义最小二乘估计采用迭代的松弛算法:先行固定C(z-1),估计A(z-1)和B(z-1),使J 趋于极小;然后固定A(z-1)和B(z-1),估计C(z-1),使 J 趋于极小。如此反复迭代,直至估计值收敛。这时每步只进行简单的线性最小二乘估计运算,迭代的初值取扗(z-1)=1。
  
  广义最小二乘估计算法的估计精度高,已得到应用并获得不少成果。它的缺点在于:当信噪比较小时,J可能有多个局部极小点,估计结果不能保证收敛到全局最小点,即参数真值;它的计算量也比线性最小二乘估计增加很多。
  
  这种算法也可推广到多输入多输出系统,并且有相应的近似递推估计算法。当误差{ek}为正态噪声序列时,这种算法还可以解释为极大似然估计的松弛算法。
  
  参考书目
   G.G.哥德温、R.L.潘恩著,张永光、袁震东译:《动态系统辨识:试验设计与数据分析》,科学出版社,北京,1983。(G.C.Goodwin and R.L.Payne,Dynamic System Identification:Experiment Design and Data Analysis, Academic Press, New York,1977.)

  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条