病态总体最小二乘的混合正则化算法

病态问题在大地测量数据处理中广泛存在,单一的Tikhonov正则化算法会造成求解过度平滑,而TV正则化可以更有效地抵抗噪声。本文将Tikhonov正则化和TV正则化两种方法有效结合,推导了具体求解公式并给出相应迭代算法。计算表明,本文提出的方法在处理病态总体最小二乘问题上稳定性更高。     

病态加权总体最小二乘模型的正则化抗差解法

针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。     

等式约束病态总体最小二乘模型的正则化解及其精度评定

利用平差参数间合理的先验信息能够显著提高解的精度。在病态总体最小二乘模型的基础上，引入等式约束条件，建立等式约束病态总体最小二乘模型，构建该模型的约束正则化准则，并根据拉格朗日极值法导出参数的迭代解及方差-协方差阵，最后以数值算例和病态测边网算例验证公式的正确性。结果表明，新方法通过正则化准则能改善法矩阵的病态性，且遵从EIV准则顾及系数阵的误差，同时还考虑参数间合理的先验信息，其解的精度得到显著提升。     

病态总体最小二乘问题的谱修正迭代法

针对病态问题岭估计法及正则化方法存在破坏方程的等量关系、解是有偏估计的问题,在最小二乘谱修正迭代法的基础上,提出病态总体最小二乘问题的谱修正迭代法,并推导了总体最小二乘谱修正迭代法及其改进算法的具体公式。通过算例验证和阐明了TLS谱修正迭代法在病态问题中的有效性和易受迭代初值影响的缺点。     

高程异常拟合病态EIV模型的广义岭估计算法

应用法方程矩阵的特征向量构造正则化矩阵，改进通过单一参数既要实现降正则化、又要实现正则化的高程异常拟合病态模型算法。以二次多项式拟合模型为例，应用实测数据对算法进行验证，并与现有病态模型的正则化算法进行比较。     

病态总体最小二乘靶向奇异值修正法

一般病态问题是法矩阵出现几个特征奇异值，计算过程中可用靶向矩阵修正奇异值。总体最小二乘迭代过程中，系数矩阵不断微变，靶向矩阵也应随之改变。针对靶向矩阵变化问题，推导2种病态总体最小二乘靶向奇异值修正法，先求出新系数矩阵，再求靶向矩阵，最后迭代计算出参数估值。实验验证了该方法的优势。     

病态模型平差的变分正则化方法

本文对病态模型平差问题进行研究,指出由于模型病态将引起平差结果的摄动,而根据Тихонов的变分正则化理论可构造出一种抗摄动的平差方法.文章通过理论分析和计算实验证明,只要合理的选择正则化参数α,就可使平差结果的均方误差比传统的最小二乘估计小,从而改善平差结果的精度.     

一种构造正则化矩阵的新方法

在系数矩阵病态时进行参数求解，合理地选择正则化参数和正则化矩阵可以提高参数估计的可靠性。针对正则化矩阵如何构造的问题，提出一种新的正则化矩阵构造方法。通过法矩阵较小奇异值对应的特征向量构造出一个对称矩阵，用该矩阵的主对角线元素构造出对角矩阵，然后与单位矩阵组合得出一种新的正则化矩阵。实验表明，当正则化参数小于1时，新算法的参数估值优于岭估计。     

病态模型改进正则化解的单位权中误差无偏估计

正则化法通过引入正则化参数对奇异值加以修正,从而改善法矩阵的病态性,然而其不加区别地对所有奇异值进行修正显然是不合理的。本文比较正则化解均方误差和最小二乘解方差的迹谱分解展开式,分析因修正奇异值导致解的均方误差变化与奇异值的关系,确定奇异值修正与否的条件,并基于残差二次型期望公式导出改进正则化解的无偏单位权中误差计算公式,最后用数值算例和病态测边网算例验证公式的正确性。     

附有等式约束病态模型正则化解的单位权中误差无偏估计

利用平差参数间合理的等式约束虽能提升病态模型解的精度，但其本质仍是通过引入正则化参数来改善模型的病态性，由于改变了观测方程的结构，所得的估值残差及单位权中误差均有偏。针对这一不足，在病态模型正则化解的无偏单位权方差估计式基础上引入等式约束条件，根据约束正则化解的残差二次型期望公式，导出约束正则化解的无偏单位权中误差估计式，并用数值算例和病态测边网算例验证其正确性。结果表明，本文公式所估的单位权中误差精度优于传统公式所估结果。     

���ڶ�������򻯵Ŀռ�����ת���뾫�ȷ���

????????????????????????????,?????????????????????????????Bursa??????3??????????????????С?????????????????????е??????????????,???????????????????Χ??????????????????Morozov???????Tikhonov????????,???????????????????????????????????????????????????????????????????????????????С?????????????????????????????????????????     

BDS短基线单历元差分定位算法

针对BDS短基线单历元差分定位中双差法方程严重病态的问题，采用TIKHONOV正则化准则进行改善。计算获得可靠的浮点解及其对应的方差协方差阵，再运用部分模糊度固定策略，采用LAMBDA方法进行模糊度固定获取准确的固定解，达到cm级的BDS实时定位效果。     

��̬������С����ģ�͵������㷨

????????????????????????????????????????????????????С????????в???????,?????????????С???????????????????????????????????Tikhonov?????????????????????С??????????????????????????????????????????????Э????????????????????Fredholm???????????????????????????С????????????????????? ???????????????????????й?????????????????????????????     

Undersea Buried Pipeline Reconstruction Based on the Level Set and Inverse Multiquadric Regularization Method

The electric inversion technique reconstructs the subsurface medium distribution from acquired data. On the basis of electric inversion, objects buried under the earth or seabed, such as pipelines and unexploded ordnance, are detected and located in a contactless manner. However, the process of accurately reconstructing the shape of the target object is challenging because electric inversion is a nonlinear and ill-posed problem. In this work, we present an inverse multiquadric (IMQ) regularization method based on the level set function for reconstructing buried pipelines. In the case of locating underwater objects, the unknown inversion area is split into two parts, the background and the pipeline with known conductivity. The geometry of the pipeline is represented based on the level set function for achieving a noiseless inversion image. To obtain a binary image, the IMQ is used as the regularization term, which 'pushes' the level set function away from 0. We also provide an appropriate method to select the bandwidth and regularization pa-rameters for the IMQ regularization term, resulting in reconstructed images with sharp edges. The simulation results and analysis show that the proposed method performs better than classical inversion methods.     

基于归一化磁源强度的聚焦反演方法

针对剩磁条件下铁磁物质反演中存在的问题,提出基于归一化磁源强度的聚焦反演方法。首先,利用归一化磁源强度作为实测数据对磁性目标进行反演,减弱剩余磁化对反演结果的影响;然后,利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,并有效解决了核函数随深度增大而快速衰减的问题;最后,通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据Morozov偏差原则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。