对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况，采用经典的最小二乘(LS)算法会导致估计结果有偏，而一般的批处理算法运算量大，不满足定位的实时性要求。为此提出一种递推总体最小二乘定位(RTLS)算法。在建立机载无源测向定位模型的基础上，引入由系数矩阵和观测向量构成的增广矩阵，利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程，从而推导出RTLS定位算法。仿真结果表明，RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法，并且实现了TLS算法对目标位置的实时估计，能够定位

针对最小二乘法用于相似模型试验坐标转换时不能综合考虑系数矩阵误差的问题,提出采用总体最小二乘法用于相似模型试验的坐标转换,该方法以罗德里格矩阵为基础,同时顾及坐标转换方程中系数矩阵和观测向量中的误差,通过一定准则删除数据中的粗差或异常点,从而获得高精度的参数估计值。用近景摄影测量方法获取相似材料模型试验数据对该方法进行试验,结果验证了该方法的有效性和实用性。

一种Ⅱ型 T-S 模糊系统参数辨识法--总体最小二乘

谐波频率估计的总体最小二乘方法TLS-ESPRIT，是ESPRIT的改进方法。

混合总体最小二乘(mixed LS-TLS)合理地顾及了系数矩阵和观测向量误差，却没有考虑数据中可能存在的粗差。利用IGGII方案，提出一种稳健的混合总体最小二乘方法，并通过平面拟合进行验证。结合模拟数据和真实数据，通过与最小二乘(LS)、总体最小二乘(TLS)和混合总体最小二乘的对比分析，证实这种稳健混合总体最小二乘的平面拟合结果最为可靠。

针对输入输出观测数据均含有噪声的滤波问题，提出了一种稳定的总体最小二乘自适应算法。该算法以系统的增广权向量的瑞利商与增广权向量最后元素的约束项的和作为总损失函数，利用梯度最陡下降原理导出权向量的自适应迭代算法，并通过对算法稳定性的分析确定了算法中学习因子的取值范围。所提出的算法稳定，计算复杂度低，既没有平方根运算，也不需要标准化处理。仿真实验表明，该算法的收敛性能、鲁棒抗噪性能和稳态收敛精度均明显高于同类其他总体最小二乘算法。

总体最小二乘法的ESPRIT方法，这种算法的估计精度明显好于原来的ESPRIT算法（matlab程序）

研究一片小区域且较为平坦的区域，应用最小二乘和总体最小二乘对平面拟合法、二次曲面拟合法和三次曲面拟合法进行探讨，并在Visual Studio平台上用Cshape语言实现高程拟合的过程。

一种关于谐波恢复的最小二乘算法，能够提供较强的数值稳定性和分辨率。