LS和TLS在平面坐标转换中的应用

在超定线性方程Ax=b的解算中,最小二乘(LS)只考虑观测向量b的误差,而总体最小二乘(TLS)则同时顾及观测向量b和系数矩阵A均含误差的情况。本文以六参数模型在平面坐标转换中的应用为例,分别采用LS和TLS进行模型参数的求解。结果表明,2种方法所求参数并无显著差异,但是总体最小二乘更好地改善了坐标转换的内部精度,是一种更为合理的计算方法。     

基于比例整体最小二乘的GPS高程拟合

针对GPS高程拟合过程中GPS基线观测量和水准高程观测量含有误差且残差中误差不相同的情况,在整体最小二乘(TLS)基础上引入比例因子λ来确定残差中误差的大小,即比例整体最小二乘(STLS)。实例计算表明,STLS比TLS和LS能够得到更好的估计参数,高程异常值拟合精度也相应提高。     

一种稳健加权总体最小二乘的新方法

正在测绘地理信息实践中,可能会遇到系数矩阵含有误差的情况,如果此时采用传统的最小二乘(LS)方法进行参数估计显然是不恰当的。为了弥补这个缺陷,在顾及权阵的前提下,采用同时考虑观测向量和系数矩阵误差的加权总体最小二乘(WTLS)方法被认为是更可取的。然而,该方法虽然考虑了系数矩阵存在误差的情况,但对于观测向量和系数矩阵中均可能存在的粗差却没有考虑,致使结果较大地偏离真实值。本文研究加权总体最     

基于IGGII稳健总体最小二乘在变形监测的应用

由于外界的种种原因,测量误差始终存在。总体最小二乘考虑了系数矩阵误差以及观测向量误差,却未考虑观测向量可能存在粗差。因此,利用稳健估计方法,采用IGGⅡ权函数,提出了基于IGGⅡ的稳健总体最小二乘迭代方法。通过实例对比LS,TLS,以及稳健总体最小二乘的结果,发现稳健总体最小二乘的精度最高。     

加权总体最小二乘在三维基准转换中的应用

对比研究加权总体最小二乘(weighted total least-squares,WTLS)方法和混合最小二乘(LS-TLS)方法、最小二乘(least-squares,LS)方法在三维空间小角度直角坐标转换中的适用性。在两套坐标系下坐标测量值均存在误差时,用WTLS方法不但可以对观测向量y和系数矩阵A同时修改、将坐标先验精度引入平差计算,而且引入的权阵PA对系数阵A起到固定常数元素而只修改必要数据元素的作用,以得到更合适的参数解。     

一种利用IGGII方案的稳健混合总体最小二乘方法

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。     

坐标转换Partial-EIV总体最小二乘方法

在测量数据处理过程中,针对系数矩阵中同时存在随机元素和固定元素的情况,Xu等通过将随机元素分离使EIV模型推广到Partial-EIV模型,并给出基于Partial-EIV模型的总体最小二乘(TLS)算法。文中介绍该算法,并将其应用在平面及空间的坐标转换中,通过与最小二乘(LS)、总体最小二乘(TLS)及加权总体最小二乘(WTLS)方法的比较和分析,验证该算法有效性。     

基于EIV模型的稳健估计

EIV（error-in-variables）模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法（TLS）假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法（RTLS）。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。     

总体最小二乘平差方法在GPS高程拟合中的应用研究

采用最小二乘(LS)进行GPS高程拟合参数估计未考虑系数矩阵误差,尝试采用总体最小二乘(TLS)平差方法进行参数估计。利用本文提出的基于TLS平差的粗差探测方法进行粗差剔除的基础上,对TLS平差方法在GPS高程拟合中求解的参数及其精度进行了分析,通过与LS的对比表明,混合总体最小二乘的拟合结果最为合理。     

虚拟观测值法在三维坐标转换中的应用研究

针对整体最小二乘(TLS)已有算法的缺陷,提出利用虚拟观测值法将其转化为经典最小二乘(LS),并推导了适用于三维坐标转换的矩阵矢量化公式,实现了TLS与LS的统一。通过算例证明了此方法在三维坐标转换中可以得到更为合理的解算数据。     

平行直线拟合的混合LS-TLS平差及精度评定方法

针对地形测图测绘和地物重建中存在的平行直线拟合问题,同时考虑x坐标和y坐标的测量误差,构建变量含误差(EIV)模型,根据设计矩阵的特点采用混合最小二乘(LS)总体最小二乘方法(TLS)求解,并给出了相应的精度评定方法。混合LS-TLS方法的平差结果与LS、TLS方法结果对比表明:对于平行直线拟合,混合总体最小二乘方法的精度高于LS和TLS方法。论文旨在对EIV问题提出实用的平差和精度评定方法,推TLS方法的应用。     

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

GM＋AR组合模型的TLS解算方法及其应用

变形体的变形量通常是一个非平稳时间序列,常常包含有趋势项和随机部分,因此,可以考虑建立GM＋AR模型。使用GM模型提取趋势项,提取了趋势项的剩余部分建立AR模型。然而,在进行模型参数的估计时,由于GM模型和AR模型的系数矩阵都含有误差,传统的最小二乘（LS）法并未顾及到这一点,因而,采用LS法得到的结果并不是最优的。为了顾及系数矩阵的误差,将整体最小二乘（TLS）法引入到GM和AR两种模型的参数求解中。AR模型系数矩阵中的每个元素都是含有误差的,可以直接采用TLS法对每个元素进行改正;然而,GM模型有一列元素是固定的,并不需要改正,直接使用TLS法进行求解是不严密的,采用LS法和TLS法相结合的方法对GM模型进行参数的求解。通过具体的变形监测实例,验证了采用组合模型的LS—TLS解法具有比LS法更高的建模和预测精度。     

总体最小二乘平差理论及其在测绘数据处理中的应用

最小二乘法是测量数据处理的最基本、应用最广泛的方法,对于经典的最小二乘法是只考虑观测向量的误差,假设系数阵没有误差或不考虑系数阵的误差。然而系数矩阵包含误差的情况在测量数据实践中是存在的。总体最小二乘法旨在解决顾及系数矩阵误差的一种数据     

整体最小二乘的GM（1，n）模型在高铁中的应用研究

提出了基于整体最小二乘（TLS）综合考虑GM（1,n）模型中观测向量以及系数矩阵的误差,建立GM（1,n）模型,并将模型应用于某地区高铁的桥梁梁体上拱预测,结果表明,模型在高铁徐变监测中具有较高的精度、可靠性和适用性。     

基于加权整体最小二乘的单像空间后方交会解算

在常规单像空间后方交会的解算过程中,整体最小二乘(TLS)算法在减小地面控制点及观测变量存在的误差方面有较广泛的应用。但在解算不等精度测量时,直接采用TLS算法进行参数估计易出现解失真的情况,因此为提高解算精度,可以为不同观测值定权,进行外方位元素的计算。本文以解算全微分共线方程为研究主线,并引进协因数阵为观测值定权,尝试采用加权整体最小二乘算法(WTLS)对单像空间后方交会进行解算。实验结果表明,本文算法较最小二乘算法与整体最小二乘算法在精度和准确度方面均有较大提高,在单像空间后方交会解算中具有较好的应用前景。     

非线性整体最小平差迭代算法

整体最小二乘法不仅考虑观测向量的误差而且还考虑系数矩阵的误差,平差理论相对更为严密。在研究经典整体最小二乘法的基础之上,对系数矩阵元素是表达式或函数情况的非线性整体最小二乘模型进行了描述,用拉格朗日极值条件式推导了基于牛顿型解法的非线性整体最小二乘平差计算公式,并设计了一种对应的迭代算法。最后设计了两组模拟试验分析在观测向量和系数矩阵的输入向量等精度观测和非等精度观测两种情况下参数和验后方差的估计特点。试验结果表明,非线性整体最小二乘平差法获得的参数估计值比最小二乘平差法获得的估计结果更接近参数的实际值,方差分量(或中误差)估计结果也更接近先验值,本文给出的迭代算法是有效的。     

通用EIV平差模型的线性化估计算法

通用变量含误差(errors-in-variables, EIV)模型将EIV模型扩展至最一般化的形式,其加权整体最小二乘算法(weighted total least squares, WTLS)同时顾及观测向量、观测向量的系数矩阵和参数向量的系数矩阵中的随机误差。将通用EIV函数模型展开,将二阶项纳入模型的常数项,从而将非线性的通用EIV模型表示为线性的高斯-赫尔默特模型,推导出通用EIV模型的线性化整体最小二乘(linearized total least squares,LTLS)算法和近似精度估计公式。通过模拟数据和实例评估分析可知,LTLS算法与通用EIV模型的WTLS算法估计结果一致,验证了算法的正确性和可行性。当模型含大量估计量时,通用EIV模型的LTLS算法显著提升了计算效率,收敛速度更快。     

病态与稳健总体最小二乘平差方法若干关键问题研究

经典测量平差方法通常是假设观测向量仅含有随机误差,在观测向量残差范数最小的准则下求模型参数的最优估值。而实际上,由于数据采样大小、模型化以及测量等原因,在测量数据处理中观测向量和模型系数矩阵同时含有误差的情形屡见不鲜。此时,若仍然利用最小二乘方法进行平差,其结果将是有偏的。为了提高参数估值的精度,研究新的测量数据处理理论与方法势在必行。总体最小二乘方法能同时顾及观测向量和模型系数矩阵的误差,近年来得到了测绘工作者的广泛关注和研究。     

基于加权整体最小二乘的矿区平面坐标转换方法

常用的平面坐标系统转换模型四参数转换法在实际工程应用中,由于公共点一般分布在较小的范围内,点之间的距离较近,因此传统的四参数转换模型中旋转参数和平移参数之间的相关性较大,容易导致法方程病态,进而影响转换参数的精度,文中从重合点坐标重心化的转换模型出发,还原出重心化之前的四参数。通过加权整体最小二乘的转换分析及迭代计算,验证运用加权整体最小二乘(WTLS)方法转换的参数质量比最小二乘(LS)、整体最小二乘(TLS)方法得到的参数质量有显著改善。