均方误差

摘要： 在多元线性回归模型中,经典最小二乘解称为最优线性无偏估计解,系数矩阵的复共线性导致最小二乘参数解变得极不稳定。针对测量系统中的病态问题求解,结合岭估计和主成分估计的优势,推导出一种新的岭估计解法,验证了该方法的可行性。利用均方误差极小化,得出不同岭参数的求解公式及新估计的精度评定方法。通过算例证明了在均方误差有意义下,新的岭估计解法优于最小二乘估计和狭义岭估计解法。

摘要： 讨论了幂分布的概率密度函数和分布函数的估计问题,分别得到了概率密度函数和分布函数的极大似然估计、一致最小方差无偏估计和基于分位数的估计。通过随机模拟计算了多种估计的均方误差,随着样本量的增大,估计量的均方误差变小;在概率密度函数和分布函数的估计量中基于分位数的估计的均方误差最大。

摘要： 针对主动磁悬浮轴承-储能飞轮转子系统的不平衡振动控制,提出一种基于最小均方误差(LMS)的自适应变步长算法实现全工作转速范围内的振动控制方法。在标准LMS算法的基础上采用一种新的步长因子迭代公式,基于该步长因子下的LMS算法实时识别转子位移信号中与转速同频的振动分量,在位移信号进入控制器之前,通过反馈对这一分量进行不平衡补偿,以实现转子的不平衡振动控制。将该方法应用于基于有限单元法建立的多质量弹性储能飞轮转子仿真模型中,结果表明该方法可显著抑制主动磁悬浮轴承-储能飞轮转子系统的振动。

摘要： 为了提高股票价格预测的精度,针对中国石油股票价格预测问题,提出了粒子群算法(Particle Swarm Optimization,PSO)优化极限学习机(Extreme Learning Machine,ELM)的股票价格预测模型。通过粒子群算法对极限学习机的权值以及阈值参数进行优化,构建PSO-ELM预测模型,并将其用于中国石油股票价格预测。仿真实验表明,与ELM、PSO-BP、DE-ELM相比,其预测均方误差分别下降了1.84%、1.07%、0.97%,拟合优度决定系数R^(2)为0.9743,即PSO-ELM有着较高的预测精度。为了给股票投资者更好的投资建议,对PSO-ELM模型分别进行股价短期、中期、长期的预测,结果表明PSO-ELM模型短期预测精度较高,随着时间的推移预测的精度有所下降。

摘要： 针对传统硬阈值函数在阈值处不连续、传统软阈值函数中小波系数与小波估计系数之间存在恒定偏差的问题,提出一种优化新型阈值函数的图像去噪算法.本文所提算法不仅对高频噪声进行有效去噪,而且兼顾低频分量,从低频分量中提取少量细节信息,从而提高原图像和重构图像的相似度,之后再对重构图像进行中值滤波.仿真结果表明,相比于传统的软、硬阈值函数,采用本文优化后的阈值函数进行图像去噪,不仅主观上视觉效果更好,而且峰值信噪比(Peak Signal to Noise Ratio,PSNR)值增加了约7 db,结构相似性(Structural Similarity,SSIM)增加了约0.1,均方误差(Mean Square Error,MSE)降低了76%.此外,对含高密度椒盐噪声的图像进行优化阈值函数和加权均值滤波相结合的算法去噪后,仿真结果与单一阈值函数去噪相比,峰值信噪比增加了约5%,均方误差降低了约5.5%,结构相似性增加了约0.1.

摘要： 研究连续测量数据情况下的混合系数线性模型的参数估计问题。利用压缩估计方法给出该模型的一类新的有偏估计——广义根方估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、根方估计以及局部根方估计,最后讨论根方参数的选取问题。

摘要： 针对普通杠杆抽样倾向于抽取强影响点导致估计精度降低的问题,围绕强影响点的剔除方法和大数据的复杂特性展开分析,提出一种基于异常点诊断的大数据杠杆抽样方法。该方法结合了传统的异常点诊断方法以及DBSCAN聚类,可以准确、快速地识别强影响点,进而提高估计精度。数值模拟结果显示,相比于普通杠杆抽样,利用基于异常点诊断的杠杆抽样方法获得的抽样子集在估计中所得的均方误差较小,估计精度也更高。

摘要： 为模型量化后具有更高的准确度,提出以量化均方误差(QMSE)为指标的确定量化系数的方法,针对量化后性能损失严重的小型网络,进一步提出更新统计参数(USP)的方法。QMSE将量化过程中的舍入和截断操作产生的噪声相结合,以此作为选取合适量化系数的指标;USP通过更新批次归一化层中的均值和方差,矫正模型量化产生的均值和方差偏移。实验结果表明,在不进行重训练的情况下,使用QMSE+USP对常见的深度神经网络量化,模型性能优于其它算法。

摘要： 基于CWRF(climate extension of WRF)区域气候模式的动力降尺度预测技术对夏季降水预测存在一定偏差,难以实现准确预测。本文立足于中国区域夏季降水特点,分析与夏季降水相关的气象要素,采用树突(dendrite,DD)网络与人工神经网络(artificial neural networks,ANN)相结合的方法,针对CWRF模式回报的1996—2019年夏季降水量进行订正,检验其订正效果。结果表明:人工树突神经网络(artificial dendritic neural network,ADNN)算法模型订正的中国夏季降水量整体好于CWRF模式历史回报,距平相关系数和时间相关系数较订正前均提高约0.10,均方误差下降约26%,趋势异常综合检验评分提高6.55,表明ADNN机器学习方法能够对CWRF模式夏季降水预测实现一定程度的订正,从而提高该模式降水预测精度。

摘要： 房产的准确估值可以帮助房地产市场进行决策,本文提出了一种基于贝叶斯超参数优化算法的Light GBM模型,即HY-Light GBM,该模型利用贝叶斯超参数优化算法对模型参数进行优化,获得lightgbm模型的最佳参数。本次实验表明,HY-Light GBM房产估值模型预测值精度在房产估值中的均方误差为0.5861,相对误差在0~10%的结果占总数据的85.38%,比传统Light GBM模型拥有更高的精度。

摘要： 未来的第五代无线网络中,由于干扰问题的存在,阻碍了网络性能的提升,尤其是对于小区边缘的用户,其通信质量的需求不能得到满足.本文研究了基于加权均方误差优化的多小区多用户广播干扰信道的收发机算法设计.针对所需求解的优化问题,首先利用分层预编码的方法提出了一种广义干扰对齐的方案,然后提出了一种最小化加权均方误差的交替优化算法.所提算法的收敛性可以由单调有界理论保证.仿真结果表明:与传统的方案相比,所提方案可以有效的消除干扰,并且有效的提升系统的和速率性能.

摘要： 在线性贝叶斯估计中,需要分析一些最小二乘问题.数据向量y是通过模型y=P(Hθ+η)+w得到,其中H是已知矩阵,θ,η和w是不相关的随机变量.目标是从观测数据中得到θ的最优估计.这些估计问题广泛地应用于多传感器数据融合问题、多输入单输出系统(MISO)信道估计问题等.在满足功率约束tr(PP*)≤P条件下,选择适当的P最小化均方误差的期望E(||θ-(θ)||2),其中(θ)是θ的最优估计.在实际问题应用中噪声η对解的结构有重要影响,故这篇文章考虑η的干扰,并假设的方差是I的倍数.对H奇异值分解为UΛV*,其中V和U都是酉阵,Λ是对角阵,λ是Λ的对角元构成的向量.当θ的方差为I时,文献[1]刻画了对于P很大或P很小时最优的矩阵P;当θ的方差J且为λi∈[0,1]时,这篇文章推出对于一般的功率P都能得到原问题最优的矩阵P.

摘要： 多波束卫星通信系统可以将多个馈源产生的波束在空间进行相干叠加,从而产生所需要的波束.为了满足以动态用户为中心的波束合成需求,本文设计了一种可用于动态波束成形网络加权系数求解的变步长LMS算法,将传统算法扩展为多参考点的动态变步长LMS算法.仿真结果表明,此算法能够在保证合成波束均方误差较小的情况下,有效提高波束合成收敛速度.

摘要： 本文给出了单参数易变通分布的参数的极大似然估计和逆矩估计,通过大量的Monte-Carlo模拟考察了点估计的均方误差,认为极大似然估计更为精确,还给出了求参数区间估计的方法.

摘要： 提出一种基于局部RBF神经网络的脑电序列预测及检测模型。该模型首先采用主成分分析方法对真实脑电信号进行特征提取，用K最近邻搜索方法得到待测样本的K个近邻；然后用近邻样本进行RBF神经网络建模；最后用训练好的模型对预测样本进行预测并计算均方误差，利用均方误差变化情况检测脑电信号异常。实验结果显示该模型在脑电信号预测及检测上都有良好的性能。

摘要： 低轨导弹预警卫星星座是未来导弹预警系统中的重要组成部分,针对导弹预警星座的关键性能指标是来袭目标的被动段定轨精度的特点,提出了以对来袭目标定轨均方误差为评价指标的星座优化准则,均方误差反映定轨精度的统计特性,避免了直接以定轨精度为目标函数导致优化结果随机性的情况;分析了星座空间覆盖性能的特点和规律;推导了均方误差的求解公式.对一种典型的来袭弹道,构建了低轨导弹预警星座定轨性能仿真模型,采用Walker-δ星座模型,基于遗传算法对低轨导弹预警卫星星座进行了优化设计.最后验证了设计得到的星座在多项性能指标上均优于已有文献中的星座.

摘要： 介绍了基于RLS算法的MIMO-OFDM导频信道估计方法,使导频值均布于整个发射时段,各天线频域导频不必时分复用,提高了传输效率.在得到导频信道估计系数的基础上为了在恢复全部频域信道系数过程中,减少噪声的影响,提高信道估计精度,采用基于广义Akaike信息论准则估计出每一路径的具体时延,将时间窗内非路径的点置0的方法.准静态MIMO-OFDM信道环境下的仿真结果表明,基于RLS和广义Akaike信息准则的算法能够有效地减少噪声对信道估计的影响,显著降低了信道估计的均方误差.

摘要： 本文提出了线性约束的奇异回归模型回归系数的一种有偏估计——条件根方估计。证明了在一定条件下,在均方误差意义下优于回归系数的约束最小二乘估计。

摘要： 高维回归的最大挑战是很容易出现“过拟合”(overfit)，对于p＞n的高维数据，可用来解释y的x很多，如果使用传统的OLS回归，虽可得到完美的样本内拟合(in-sample fit)，但外推预测的效果则可能很差.

摘要： 高维回归的最大挑战是很容易出现“过拟合”(overfit)，对于p＞n的高维数据，可用来解释y的x很多，如果使用传统的OLS回归，虽可得到完美的样本内拟合(in-sample fit)，但外推预测的效果则可能很差.

摘要： 本发明揭示一种计算MSE至用于传输误差率协商的PE表中的方法。本方法获得在网络中对于数据包大小的或然率值，并根据这些或然率值而获得对于各FER的BER值。然后根据BER值来计算对于各PE的MSE值，以获得上限表。然后将上限表中的MSE值减少2dB以获得下限表。然后可使用在HPNA 2.0规范中提出的MSE至PE表来计算传输误差率。

摘要： 本发明提出了一种基于最小均方误差准则的加权DV_Hop节点定位方法，步骤为：在最小均方误差准则下设置其余锚节点具有相同的权重，获取锚节点平均每跳距离的初步估计值；对其余锚节点二次设置权重，在最小均方误差准则下获取修正后的锚节点平均每跳距离；计算每个邻近锚节点的连通度和平均每跳距离误差；根据邻近锚节点平均每跳距离和归一化的权重值计算未知节点的平均每跳距离、未知节点到锚节点的估计距离；将加权最小二乘方法的线性解设置成迭代初始值，通过非线性加权迭代方法最小化加权的距离估计误差目标函数，迭代结果为未知节点的定位坐标。本发明能够得到更准确的锚节点和未知节点的平均每跳距离，计算量小，定位精确度和稳定性得到改善。

摘要： 本发明涉及一种基于成比例归一化最小均方误差的稀疏水声信道估计方法，用以估计时域簇稀疏水声信道冲激响应函数。首先，针对时变水声信道进行簇稀疏建模，以期获得水声信道结构化稀疏表达框架，在此基础上。采用逐块训练模式，设计一种基于成比例归一化最小均方误差算法迭代寻优得到时域稀疏水声信道冲激响应函数，将所估计得到的时域水声信道信息。该项发明适用于时变水声信道估计、水声通信等。有益效果体现在：本发明基于水声信道的簇稀疏范数约束，有效地减少了冗余信道抽头计算，使得本发明产生的水声信道估计结果具有更高的精度。

摘要： 本发明属于数字通信技术领域，具体涉及一种基于均方误差评估的参考矩阵模型的图像隐写方法。本发明的方法包括以下步骤：步骤1、根据每像素的藏量确定参考矩阵的维数以及藏入比特数；步骤2、根据所述维数设计所述参考矩阵；步骤3、使用均方误差评估法求得所述参考矩阵的最优参数；步骤4、根据水印信息使用最小嵌入误差搜索法从所述参考矩阵中找出灰度替换值对载体图像的像素灰度值进行替换。本申请的方法针对不同藏量的水印数据提出了通用的参考矩阵设计方法，大大降低了矩阵MSE的计算复杂度，计算时间大幅缩短，同时在相同藏量情况下，图像品质PSNR较现有方法有明显的改进。

摘要： 本发明涉及OFDM系统中基于最小均方误差的一种信道估计改进算法。该算法构造一种新的OFDM导频结构，根据导频结构将一个OFDM符号分为两部分，并先后完成MMSE信道估计处理，固定了导频间隔且降低了矩阵的维度，从而减少了MMSE算法的计算复杂度。另外，在发送端对时域信号进行2倍过采样处理，接收端运用最大比合并方式将接收信号进行降采样处理，从而使原始信号被更好的恢复。最后利用已知训练序列和导频获得信道频域响应。仿真结果表明：所提出的8导频A‑MMSE算法在BER为10

摘要： 本发明涉及一种基于最小均方误差准则的噪声背景估计方法，该方法包括以下步骤：步骤一：获取信号数据序列x(n)；步骤二：计算数据序列x(n)的功率谱P(k)；步骤三：设定数据平滑窗长W，背景谷峰D与谷底的判断阈值U，相邻两次迭代输出结果的均方误差最小值的阈值ε，迭代过程的最大迭代次数I；步骤四：将数据序列的功率谱P(k)作为迭代过程的输入，计算出噪声背景；步骤五：迭代过程结束。该方法的算法复杂度小，并对噪声的统计特性不敏感，适合工程上对噪声背景进行较准确的估计。

摘要： 本发明属于压缩感知重构技术领域，尤其涉及一种基于迭代加权最小均方误差的压缩感知重构方法，所述方法包括：对采样矩阵、初始权重和正则化系数进行参数初始化；根据迭代加权最小均方误差算法，重构压缩感知信号，获得原始恢复信号；根据原始恢复信号，更新正则化系数；根据本轮迭代和上轮迭代的原始恢复信号收敛程度，判断收敛程度是否满足阈值，获得最终恢复信号；通过对压缩感知的信号重建，有效解决传统信号重建算法时的精确度低的问题，保证了信号重建的精确度；还通过引入正则化系数及更新算法，减少迭代次数，提高迭代加权最小均方误差算法的收敛速度，解决传统迭代加权最小均方误差算法迭代次数过高导致计算成本高的问题。

摘要： 本发明提供一种基于均方误差的光学星上处理目标定位精度评估方法，属于遥感卫星星上处理技术领域，该方法先提取遥感卫星星上处理目标切片中心点坐标作为该目标位置坐标，提取同一颗遥感卫星同时获取的地面处理相同目标中心点坐标，确定目标切片中心点坐标与目标中心点坐标的纵向误差和横向误差，再根据星上处理目标切片与同时获取的相应地面处理目标为同一目标的关系，确定纵向误差和横向误差的均根误差；之后评估第一数据集的定位精度，实现了利用同一颗遥感卫星已知目标定位精度的地面处理数据对未知定位精度的星上处理目标切片数据，基于相同目标点误差的定位精度评估，用于遥感卫星星上处理切片数据的目标定位精度快速自动评估。

摘要： 本发明涉及一种基于最小均方误差算法的解调电路及方法，其包括：C/V转换电路，用于将接收到的电容式传感器信号转换成电压信号，该电压信号为抵消基础电容值后的电压信号；基于LMSD的数字解调电路，接收C/V转换电路传输至的抵消基础电容值后的电压信号，用于对接收到的电压信号进行迭代解调；自循环数字控制电路，用于根据数字解调电路幅值分量大小调节抵消电容阵列电容大小。本发明对敏感结构的基础电容值进行部分抵消，通过改进后的LMSD迭代获得精度更高的信号解调结果。本发明可以广泛应用于电容式惯性传感器信号处理领域。

摘要： 本发明公开了一种基于归一化最小均方误差双滤波器处理小波分解后的局部放电信号检测方法，包括：利用小波的分频特性先将信号分解到不同的频段上,然后把各频段的信号过归一化最小均方自适应背景滤波器更新滤波参数，再把背景滤波器收敛的参数更新到前景滤波器，前景滤波器对各频段信号施以滤波处理。本发明首先构建前前景自适应滤波器，然后把信号通过小波分解为各个频段的信号，最后把各频段的信号过归一化自适应滤波器进行噪声滤除，不仅可以获得比普通滤波器更好的效果，而且其收敛速度更快，更容易捕捉细小的放电。该方法可以广泛的应用于电力设备的局部放电信号的去噪声处理。