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。     

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。     

隐式标度因子的总体最小二乘估计方法

分析指出了标度总体最小二乘方法(STLS)存在的问题,提出了一种隐式标度因子的标度总体最小二乘方法(Im STLS)。区别于现有STLS方法在平差准则中引入标度因子,Im STLS方法在EIV函数模型中顾及标度因子,从而解决了现有STLS平差准则形式与标度因子实际表征的平差结果不一致的问题。此外,利用所建函数模型的重构表达式推导的Im STLS估计量及其方差-协方差阵,与经典最小二乘平差理论具有形式同构性。最后,验证了所提方法统一表达LS,DLS和TLS的正确性,并讨论给出了标度因子对平差结果的影响及确定方法。     

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。     

复数域总体最小二乘平差

在复数域最小二乘的基础上提出了复数域总体最小二乘平差方法,推导了复数域总体最小二乘和复数混合总体最小二乘的相关公式。通过算例比较分析了复数观测值的残差的模的平方和最小(平差准则1)下及残差的实部和虚部的平方和分别最小(平差准则2)下的复数最小二乘、复数观测值和系数矩阵的残差的模的平方和最小(平差准则3)下及残差的实部和虚部的平方和分别最小(平差准则4)下的复数总体最小二乘方法的优劣。试验结果表明:平差准则1下复数最小二乘较平差准则2下得到的结果更加合理,平差准则3下复数总体最小二乘较平差准则4下得到的结果更为准确;当顾及系数矩阵误差时,平差准则3下复数总体最小二乘要优于平差准则1下复数最小二乘。     

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。     

带有部分不确定性的平差算法在GPS高程拟合中的应用

观测数据中常包含统计信息未知的不确定性,可能导致所建立的函数模型产生病态,影响参数估计的准确性和可靠性。文中研究GPS高程拟合模型的不确定性,将系数矩阵进行分块,对含有不确定性的区块加以限制,并将不确定度融入函数模型,利用min-max准则,运用带部分不确定性的平差算法(PULS,Least-Squares with Part of Uncertainty)解算拟合参数。实验中选取均匀分布的模拟点坐标及其高程异常值,分别运用最小二乘(LeastSquares,LS)、总体最小二乘(Total Least-Squares,TLS)以及PULS对拟合参数进行解算,结果表明,PULS得到的拟合参数精度高于LS和TLS,说明PULS在GPS高程拟合中应用的有效性。     

多维直线概括模型的总体最小二乘估计

针对总体最小二乘估计准则在直线拟合应用中存在的问题,该文在分析当前多种直线拟合模型及相应总体最小二乘估计方法的基础上,提出了附约束的N维直线概括模型及其总体最小二乘分步解法。首先利用间接平差方法通过迭代计算求出总体残差,然后通过条件平差分配残差到各观测量。仿真计算结果验证了该模型及方法的正确性和有效性。     

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。     

结构总体最小二乘估计理论的拓展及其应用研究EI北大核心CSCD

具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。     

再生权最小二乘法

稳健估计方法能在观测值中不可避免地存在粗差时有效地消除或减弱它们对参数估计的影响,稳健估计方法也是测量数据处理的常用方法。本文充分利用独立观测值改正数之间应满足的条件方程提供的有效信息构造观测值的权,提出了一种稳健估计方法—再生权最小二乘法（Self-born Weighted Least Squares（SBWLS））。不同观测值数量、不同粗差数量（1-3）和不同粗差数值（5和10倍的中误差）的三个水准网仿真实验结果说明,再生权最小二乘法比常用的13种稳健估计方法能更有效地消除或减弱粗差对参数估计的影响。     

顾及粗差的混合最小二乘平差实验分析

通过详细介绍总体最小二乘法以及其与经典最小二乘法的关系,引出综合了经典最小二乘法与总体最小二乘法的混合最小二乘平差法。为了研究混合最小二乘法的优劣,本文设计一套比较混合最小二乘法与经典最小二乘法的实验方案。通过实验结果可知,混合最小二乘法并非总优于经典最小二乘法,只有当系数阵误差比观测值误差大或略小时,混合最小二乘法才始终优于经典最小二乘法。     

用差商代替导数的非线性最小二乘估计

针对不同类型观测值的非线性最小二乘平差，介绍一种不使用导的解析方法。在这种解算中，由于只使用函数值，避免了二阶和二阶偏导数的计算，使原本复杂的计算得以简化。实例验证了本方法的有效性和可靠性。     

地图数字化数据的平差处理

地图数字化是获取 GIS空间数据的主要手段之一。针对地图数字化过程中对直角型和直线型地物的数据采集误差的平差处理 ,建立了条件方程 ,并讨论了衡量地图数字化质量的精度标准     

数字化曲线的最小二乘配置

针对数字化地图的特点,提出用最小二乘配置的理论来估计拟合曲线的参数,给出一套计算方法.主要内容包括将纵横坐标均看作是观测值,综合处理偶然误差和系统误差的联合影响.采用数字化地图上位置误差的方差-协方差函数来作为信号的协方差阵,使得到的结果更为合理和简便.     

整体最小二乘估计的研究进展

整体最小二乘估计方法作为经典最小二乘估计方法的扩展,近20年来被广泛地应用于信号处理、计算机视觉、图像处理、通信工程以及大地测量与摄影测量等测绘相关领域,成为各专业领域进行数据处理的基本方法。概述了整体最小二乘估计的发展历史,从整体最小二乘估计的算法、统计特性和可靠性研究三方面综述了整体最小二乘估计方法的研究进展情况,侧重强调各种算法的本质特征,并对整体最小二乘估计的研究方向进行了展望。     

加权总体最小二乘平差的改进算法

当观测向量和系数矩阵不等精度时,利用系数矩阵元素和观测向量之间的映射关系,通过误差传播定律推导了系数矩阵的协因数阵,算例结果表明,改进的加权总体最小二乘法能够得到正确、合理的参数,且本文方法简单、实用。     

稳健加权总体最小二乘方法

加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。     

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