PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。     

基于改进目标函数的partial EIV模型WTLS估计的新算法

针对部分变量误差（partial EIV）模型的加权整体最小二乘（weighted total least squares,WTLS）估值的计算需要多次迭代且效率低下的情况,根据加权LS（least square）原理,通过改进目标函数,并运用矩阵微分运算以及矩阵反演变换,提出了一种计算partial EIV模型WTLS估值的新算法。算例计算结果表明,新算法具有迭代次数少、计算效率高等优点。     

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。     

加权总体最小二乘的效率优化算法

加权总体最小二乘法是理论上估计EIV模型参数相对严密的方法，其迭代过程中涉及的矩阵运算较为耗时，在处理大量级数据时尤其明显。PEIV模型有助于提高加权总体最小二乘法的计算效率。本文基于PEIV模型和经典最小二乘准则给出了一种加权总体最小二乘法算法，算法的推导过程简洁，易于理解，迭代过程中无需重构矩阵，减少了矩阵运算量。最后通过仿真试验验证了算法的可靠性。试验结果表明，本文算法可以取得与现有算法相同的参数估计精度且计算效率更高。     

系数矩阵误差对地壳应变参数反演的影响

针对地壳应变参数反演模型中系数矩阵含随机和非随机元素及观测数据存在相关性等情况,以部分变量误差（partial-errors-in-variables,PEIV）模型为基础,采用了地壳应变参数反演的加权总体最小二乘算法,该算法不受系数矩阵和权矩阵结构的限制,能够快速、有效解决系数矩阵含有随机误差的模型问题。结合推导得到的最小二乘改正项公式,对地壳反演模型中坐标点误差对反演参数求解的影响进行了分析。通过对模拟数据和川滇地区的实际数据进行处理,得出系数矩阵误差对地壳应变参数反演的影响主要受GPS站点坐标值量级以及应变参数量级的牵制。     

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。     

部分变量误差模型的极大似然估计

针对变量误差模型系数矩阵含有常数项的情况,部分变量误差模型在平差时只提取系数矩阵中的随机元素进行处理,较大程度的减少了参数估计的个数.为了进一步提高部分变量误差模型的参数估计效率,文中根据极大似然估计原理提出了一种部分变量误差模型的极大似然估计算法,并分析和比较了该算法与文献中几种算法的关系,证明算法之间的等价性.最后采用两个算例进行验证,结果表明文中算法能取得与已有算法一致的结果,而且具有迭代格式简单,计算效率高的优点.     

二维直角建筑物规则化的加权总体最小二乘平差方法

针对基于遥感数据的二维建筑物的直角化问题，以建筑物边界点的坐标为观测值，以顾及边界正交限制条件的直线斜率和截距为参数，建立附有限制条件的变量误差（errors-in-variables，EIV）模型。考虑观测向量和设计矩阵相关的情况，给出了增广设计矩阵的协方差阵的计算方法，推导了附限制条件的通用加权总体最小二乘（weighted total least squares，WTLS）平差算法，以及近似精度评定算法和仅含二次型限制条件的WTLS平差方法。理论和算例分析表明，在建筑物重建问题中，附有限制条件的EIV模型比经典附有限制条件的Gauss-Helmert模型易于构建，所提的WTLS算法快速收敛速度快，对拓展WTLS平差方法的应用具有理论与实践意义。     

附有相对权比的PEIV模型总体最小二乘平差

针对观测向量和系数矩阵权分配不合理、验前随机模型不准确的情况,以部分误差变量（partial errors-in-variables,PEIV）模型为基础,推导了附有相对权比的总体最小二乘平差算法;通过在平差准则中加入相对权比,自适应调整观测向量和系数矩阵随机元素对模型参数估计的贡献,给出了确定相对权比的验前单位权方差法和判别函数最小化迭代算法,该算法普遍适用于一般性的系数矩阵和权矩阵。通过直线拟合和坐标转换模拟算例的比较分析,发现当观测值和系数矩阵的验前单位权方差已知,且较准确时,验前单位权方差法确定相对权比和参数估计的效果较好;而以${{\overline{\mathit{{\mathit{\Phi}}}}}_{1}}\left( \hat{\varepsilon },{{{\hat{\varepsilon }}}_{a}} \right)={{\hat{\varepsilon }}^{\text{T}}}\hat{\varepsilon }+\hat{\varepsilon }_{a}^{\text{T}}{{\hat{\varepsilon }}_{a}} $作为判别函数是判别函数最小化迭代算法中效果最好的。     

PEIV模型参数估计理论及其应用研究进展

部分变量含误差(partial errors-in-variables,PEIV)模型是变量含误差(errors-in-variables,EIV)模型的更一般形式,因其适用性强等优势,近十年来被广泛应用于全球导航卫星系统(global navigation satellite system,GNSS)数据处理、坐标转换、变形监测和数据拟合等测量数据处理中。概述了PEIV模型的发展过程,从PEIV模型参数估计算法、精度评定、随机模型估计、扩展算法和数据处理应用5个核心问题进行综述和分析。对PEIV模型的应用进行了展望,指出有待进一步研究的问题,旨在进一步推动测绘数据处理的发展,并为读者提供参考和建议。     

一种相关观测的Partial EIV模型求解方法

Partial errors-in-variables(Partial-EIV)模型作为EIV模型的扩展形式,其构造方式更有规律,解算方法更为简便,能有效应用于实际情况。针对已有Partial EIV模型方法未考虑观测向量和系数矩阵存在相关性这一情况,通过提取观测向量和系数矩阵组成的增广矩阵中非重复出现的随机元素,构建更具一般适用性的Partial EIV模型,在该模型的基础上,将特殊假定条件扩展到不限定观测数据相关性的一般情况,详细推导了观测向量和系数矩阵元素相关且不等精度情况下的加权总体最小二乘方法,通过算例试验,并与目前已有的解决EIV模型相关观测情况下的方法进行了比较分析,研究表明本文方法可以提高计算效率,更具一般性,特别是对于观测向量和系数矩阵中存在常数元素和重复元素的情况。     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

基于变量投影的结构总体最小二乘算法

测绘领域诸多实际应用中系数矩阵和观测向量具有结构特征,即系数矩阵和观测向量中包含固定量(甚至固定列)和随机量,并且不同位置的随机量线性相关。针对这个问题,从变量误差(errors-in-variables,EIV)函数模型出发,首先,将系数矩阵和观测向量构成的增广矩阵表示为仿射函数形式,并采用变量投影法对函数模型进行重构;然后,利用拉格朗日法推导出了一种结构总体最小二乘(structured total least squares,STLS)估计算法。算例分析结果表明,该算法与已有能够解决系数矩阵和观测向量存在结构特征的加权或结构总体最小二乘算法估计结果一致,说明了该算法的有效性,同时阐明了该算法与已有相关算法的关系。     

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。