一种解算病态问题的方法--两步解法

提出了一种解算病态问题的方法———两步解法。在两步计算中,均采用L曲线法来确定正则化参数α。通过算例,比较了该方法和LS估计、岭估计及截断奇异值方法的效果。结果表明,该方法要明显优于LS估计、岭估计及截断奇异值法。     

单频GPS快速定位中病态问题的解法研究

研究只利用少数历元GPS载波相位观测值进行快速定位时的新解法.在分析病态法矩阵结构特性的基础上,基于TIKHONOV正则化原理,提出一种选择正则化矩阵R的新方法,减弱法方程的病态性.与其他方法相比,新方法得到与模糊度准确值更接近的浮动解及其相应的均方误差矩阵.结合LAMBDA方法,用均方误差矩阵代替协方差阵确定模糊度的搜索范围,可准确快速地确定模糊度,最后得到基线向量的解.结合算例,将新解法与最小二乘估计、岭估计和截断奇异值法分别结合LAMBDA方法解算模糊度的结果进行比较分析,展示新解法的效果.     

基于岭估计的有理多项式参数求解方法

在使用最小二乘法解算卫星遥感影像的RPC参数时,如果控制点非均匀分布或模型过度参数化,其法方程系数矩阵很容易产生病态,获得的解将偏离真值,甚至得到错误的解.使用岭估计可改善法方程的状态,保证解稳定.采用岭估计方法,通过所获取的不同岭参数对SPOT和QuickBird影像进行实验,证实L曲线法是一种稳定的、有效的岭参数确定方法,可显著提高RPC参数的解算精度.     

岭参数确定的研究

中文阐述了多种岭参数确定方法的原理,如岭迹法、L曲线法、两步解法、GCV法和双h公式法,应用数据编程比较了各种岭参数计算方法所得的结果及对最小二乘估计的改进效果.结果表明,L-曲线法易于确定岭参数,是一种确定岭参数的良好方法.此外,两步解作为另一种解算病态问题的方法,不仅要明显优于LS估计,并且改善了L-曲线法的计算结...     

短基线集形变模型反演的正则化解算方法

针对短基线集形变模型反演中法方程系数矩阵呈病态的问题,提出一种正则化稳健解算方法。该方法基于Tikhonov正则化理论,将形变速率求解问题转化为极小化问题,根据L-曲线法选取正则化参数,考虑最小二乘残差各个分量间的关系选取正则化矩阵,实现短基线集形变模型反演的稳健解算。分别采用LS法、岭估计法和Tikhonov正则化法对覆盖北京地区的29景ENVISAT ASAR数据进行处理,反演出研究区沉降速率图。通过对代表不同沉降情况的21个点的均方误差值和时间相干值、整个研究区的均方误差图等的对比分析,表明本文提出的短基线集形变模型反演的正则化稳健解算方法可获取更可靠的形变监测结果。     

Tikhonov正则化方法在GOCE重力场求解中的模拟研究

本文在阐述Tikhonov正则化方法基本原理的基础上,给出了四类可用于重力场解算的正则化矩阵(零次、一次、二次和Kaula),以及用于确定正则化参数的L曲线法和GCV方法的数学模型。基于SA方法利用模拟数据分析讨论了零次、一次以及Kaula正则化矩阵应用于GOCE全球重力场模型确定的有效性,并由Kaula正则化矩阵分析了L曲线法和GCV方法确定正则化参数的可行性。数值结果表明三类正则化矩阵获得的最优解(以大地水准面MSE最小为准则确定)的精度水平相近,关键在于相应正则化参数的确定,数值结果同时说明了GCV方法和L曲线法可用于确定正则化参数,且前者较后者具有更好的稳定性。     

基于岭估计的北斗系统双差整周模糊度解算方法

针对北斗卫星导航系统中高轨卫星角速度较慢引起的基线网络实时动态差分法模型病态性减弱较慢而造成的模糊度收敛较慢的问题,提出一种适用于网络实时动态差分法参考站间双差整周模糊度快速解算的新方法。首先,在分析北斗系统快速定位模型中法矩阵结构病态性的基础上,基于岭估计的原理提出一种减弱法矩阵病态性的新方法。该方法只需几个历元的北斗系统载波相位观测值,就可得到比较准确的模糊度浮动解及其相应的均方误差矩阵。利用最小二乘相关分解法方法,用与模糊度浮点解相应的均方误差矩阵代替协方差阵,可准确、快速地搜索固定整周模糊度。结合算例,将新方法和最小二乘法分别结合最小二乘相关分解法方法解算的整周模糊度结果进行比较,结果证明新方法能实现北斗系统双差整周模糊度的固定。     

单频GPS短基线快速定位中的少数历元算法

研究了短基线时利用少数历元的单频GPS载波相位观测值进行快速定位的一种算法。基于TIK-HONOV正则化原理，选择了一种具有物理意义的正则化矩阵，以减弱法矩阵的病态性。新算法只需解算几个历元的单频GPS相位数据，就可得到比较准确的模糊度浮动解及其相应的均方误差矩阵，用均方误差矩阵代替协方差阵，结合LAMBDA方法，可准确、快速地确定模糊度，最后得到基线向量的解。结合短基线算例，将少数历元算法与最小二乘估计的结果作了比较分析，得出了新解法的有效性。     

进化策略搜索单频GPS整周模糊度研究

本文提出利用进化策略算法搜索单频GPS整周模糊度,即先利用序贯最小二乘估计降低法矩阵维度,利用正则化算法得到比较接近模糊度真值的浮点解,以此为初值确定搜索范围,并利用进化策略算法搜索模糊度固定解。算例结果表明,该方法能在1min内固定整周模糊度,动态定位结果与GrafNav解算结果误差在2.5cm之内。     

中长基线GPS网络 RTK模糊度快速解算的一种新方法

提出采用选权拟合的正则化方法。利用参考站坐标准确已知的条件作为约束，设计出正则化矩阵，使法矩阵的病态性得到了较大的改善，只用几个历元的数据求解，能较准确得到模糊度的浮点解。在此基础上，结合LAMBDA方法可以快速地确定整周模糊度。以4条中长基线的实测数据为例，本文方法用5个历元的单频L1数据就能求解出整周模糊度。与现有方法相比，新方法可采用单频GPS数据实现中长基线GPS网络RTK的整数模糊度快速解算，而且可靠性好，有良好的应用前景。     

RTK/INS紧组合算法在卫星数不足情况下的性能分析

设计了一套基于集中式卡尔曼滤波的实时动态定位（real-time kinematic,RTK）/惯性导航系统（inertial navigation system,INS）紧组合算法,通过实测车载数据对比分析了3颗可用卫星时的固定解和浮点解在位置漂移误差水平和模糊度恢复时间上的差异,验证了该算法在卫星较少情况下的良好性能。该算法在即使观测卫星不足4颗时使用固定解或浮点解进行滤波更新,提高了组合导航在复杂环境下的位置精度,并加快了模糊度恢复过程。实验结果表明,使用中等精度的惯导,在可见卫星数为3颗时,失锁30 s时的水平位置漂移误差为0.3 m;失锁60 s内,平均1~2 s就能可靠地恢复整周模糊度。在位置漂移误差与模糊度恢复方面,固定解和浮点解在GNSS信号短期部分失锁时的差异并不显著,但同时都明显优于信号完全失锁情形。     

附有奇异值修正限制的改进的岭估计方法

最小二乘估计具有无偏性,而岭估计是一种有偏估计,它通过引入偏差降低方差来降低均方误差。在模型出现病态时,岭估计优于最小二乘估计。对岭估计的方差与偏差进行分析发现,岭估计通过修正病态矩阵的奇异值降低均方误差,但对部分较大奇异值的修正不能有效降低均方误差。通过比较修正奇异值的方差下降量与偏差引入量的大小关系确定需要修正的小奇异值,进而改进岭估计方法,实现选择性地修正小奇异值,提出附有奇异值修正限制的改进的岭估计方法,可有效改善岭估计的解算效果和可靠性,实验验证了新方法的可行性和有效性。     

线性化通用EIV平差模型的岭估计解法

通用EIV(errors-in-variables)平差模型作为经典平差模型的一般化形式,具有同时顾及多种随机误差的优势. 在通用EIV平差模型加权总体最小二乘(WTLS)的线性化估计基础上,引入正则化准则. 正则化矩阵为单位矩阵时为岭估计,添加目标函数,通过建立拉格朗日目标函数的最小化求解,导出加权通用EIV平差模型对应的岭估计解式,给出了确定岭参数的U曲线法和L曲线法. 计算了通用EIV平差模型的线性化估计、两种岭估计及其对应的方差分量值;验证岭估计对通用EIV模型的线性化估计具有促进性,可减少迭代次数,使得参数方差分量更快趋于平稳,降低参数估计的计算量.      

顾及基线先验信息的GPS模糊度快速解算

采用GPS相位观测值进行快速定位时,其解算模型严重病态,最小二乘解得的浮点模糊度精度差且相关性大,导致整周模糊度搜索空间过大,难以正确固定。本文提出一种顾及基线先验信息和模糊度线性约束的整数条件的GPS模糊度快速解算方法,先用顾及基线先验信息的正则化算法解得精度较高且相关性较小的浮点模糊度,以减小整周模糊度的搜索空间;再综合利用整周模糊度间的线性约束的整数条件和基线先验信息,进一步有效地减小模糊度搜索空间,提高搜索效率。算例表明:顾及基线先验信息的正则化算法有效地改善了模糊度浮点解,模糊度线性约束的整数条件有效地提高搜索效率和成功率。     

下三角Cholesky分解的整数高斯变换算法

针对全球导航卫星系统(GNSS)载波相位测量中,基于整数最小二乘估计准则解算整周模糊度问题。目前以LAMBDA降相关算法和Lenstra-Lenstra-Lovász(LLL)为代表的规约算法应用最为广泛。由于不同算法采用的模糊度方差-协方差阵的分解方式不同,导致难以合理地进行不同算法性能的比较。该文通过分析LAMBDA算法的降相关特点,从理论上推出基于下三角Cholesky分解多维情形下的整数高斯变换的降相关条件及相应公式,并与分解方式不同的LAMBDA和LLL算法作了对比。实验结果表明,降相关采用的分解方式将会直接影响计算复杂度和解算性能,因此该文推导的整数高斯变换算法便于今后基于下三角Cholesky分解的降相关算法间的合理比较。     

半参数估计与LS估计的有效性比较

建立半参数回归模型,将系统误差加入,推导出了模型正则化矩阵时参数平差的计算方法,并用直接法得到了参数、非参数的估计量,在MSE准则下与最小二乘估值(简称LS估值)进行比较,证明了半参数估值的有效性。     

Orthogonality defect and reduced search-space size for solving integer least-squares problems

In the context of ambiguity resolution (AR) of global navigation satellite systems (GNSS), decorrelation among entries of an ambiguity vector, integer ambiguity search, and ambiguity validations are three standard procedures for solving integer least-squares problems. This paper contributes to AR issues from three aspects. Firstly, the orthogonality defect is introduced as a new measure of the performance of ambiguity decorrelation methods and compared with the decorrelation number and with the condition number, which are currently used as the judging criterion to measure the correlation of ambiguity variance–covariance matrix. Numerically, the orthogonality defect demonstrates slightly better performance as a measure of the correlation between decorrelation impact and computational efficiency than the condition number measure. Secondly, the paper examines the relationship of the decorrelation number, the condition number, the orthogonality defect, and the size of the ambiguity search space with the ambiguity search candidates and search nodes. The size of the ambiguity search space can be properly estimated if the ambiguity matrix is decorrelated well, which is shown to be a significant parameter in the ambiguity search progress. Thirdly, a new ambiguity resolution scheme is proposed to improve ambiguity search efficiency through the control of the size of the ambiguity search space. The new AR scheme combines the LAMBDA search and validation procedures together, which results in a much smaller size of the search space and higher computational efficiency while retaining the same AR validation outcomes. In fact, the new scheme can deal with the case there are only one candidate, while the existing search methods require at least two candidates. If there are more than one candidate, the new scheme turns to the usual ratio-test procedure. Experimental results indicate that this combined method can indeed improve ambiguity search efficiency for both the single constellation and dual constellations, respectively, showing the potential for processing high-dimension integer parameters in multi-GNSS environment.     

正则化的奇异值分解参数构造法

Tikhonov正则化法引入正则化参数和稳定泛函来改善矩阵的病态性。稳定泛函表示为参数的二范约束时,正则化矩阵为单位阵的正则化法即为岭估计法。通过对岭估计的方差与偏差进行分析可知,岭估计改善矩阵病态性的同时也过度地引入了偏差,降低了解的可靠性,对较大奇异值的修正不能有效地减小估计的方差,却引入了偏差,而对较小奇异值的修正可有效地减小估计的方差。因此,选择较小奇异值特征向量构造正则化矩阵,调节各奇异值的修正,可有效减小参数估计的方差,减少偏差的引入,得到更为可靠的参数估计。通过试验证明了该方法的有效性。