非线性模型的一种半参数估计方法

提出用半参数估计理论来解求非线性问题的思想,即用半参数模型中的非参数分量表达非线性模型线性化后的近似余项,推导基于最小二乘核估计的相应解算公式,通过算例试验分析表明,此法对于非线性强度较强的模型,其效果较为明显.     

变异函数模型参数的非线性加权总体最小二乘法

针对球状模型和指数模型两种变异函数模型线性化后的系数矩阵具有非线性形式,系数矩阵元素含有随机误差等问题,该文使用非线性加权总体最小二乘法估计变异函数模型参数。以高程异常数据为例,利用变异函数值的点对数定权法和系数矩阵中距离值的方差-协方差传播律定权法迭代解算参数,并与最小二乘法,加权最小二乘法和非线性总体最小二乘法进行对比分析。实验结果表明:非线性加权总体最小二乘法能够得到更高精度的变异函数模型参数。     

非线性二维转换模型的稳健总体最小二乘算法

针对应用线性最小二乘估计准则求解非线性平面转换模型参数时,通过定义间接参数将模型线性化的方法不能直接求解转换模型参数的问题,该文在非线性平面转换模型的基础上,建立线性模型,实现平面坐标的转换。为解决控制点已知坐标与观测坐标中均含有误差对转换参数求解的影响,对应用稳健总体最小二乘求解线性模型参数的算法进行讨论。最后,通过算例比较稳健总体最小二乘算法与最小二乘算法在抗差性方面的优势。结果表明,稳健总体最小二乘算法更适用于应用线性模型求解未知控制点的转换坐标。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

GPS高程拟合的方法比较

GPS高程拟合的方法有很多,各有其优点和适用范围。本文在最小二乘估计算法的基础上,讨论主成分估计法和半参数模型估计法及各自的优点,并利用六参数模型的最小二乘估计、主成分估计和半参数模型三种拟合方法对GPS高程进行拟合,通过实例计算结果比较分析,得出半参数估计方法优于其他方法,在一定条件下精度高的优点。最后得出半参数估计方法精度达毫米级,论证了其在实际应用中的优越性。     

GPS高程拟合的方法比较

GPS高程拟合的方法有很多,各有其优点和适用范围。本文在最小二乘估计算法的基础上,讨论主成分估计法和半参数模型估计法及各自的优点,并利用六参数模型的最小二乘估计、主成分估计和半参数模型三种拟合方法对GPS高程进行拟合,通过实例计算结果比较分析,得出半参数估计方法优于其他方法,在一定条件下精度高的优点。最后得出半参数估计方法精度达毫米级,论证了其在实际应用中的优越性。     

混合整数最小二乘在GPS定位中的应用

目前针对载波相位双差观测模型中具有整型和浮点型两类参数的特点,常用的方法是先将混合整数最小二乘估计转换为整数最小二乘估计,并以此为准则搜索确定整周模糊度,然后回代解算基线向量。这里提出了一种基于混合整数最小二乘对两类参数同时估计的方法;推导了在未知参数具有先验信息的条件下混合整数最小二乘及整数最小二乘的参数估计准则。最后给出算例验证了基于混合整数最小二乘的参数估计的正确性和优越性。     

混合整数最小二乘在GPS定位中的应用

目前针对载波相位双差观测模型中具有整型和浮点型两类参数的特点,常用的方法是先将混合整数最小二乘估计转换为整数最小二乘估计,并以此为准则搜索确定整周模糊度,然后回代解算基线向量.这里提出了一种基于混合整数最小二乘对两类参数同时估计的方法;推导了在未知参数具有先验信息的条件下混合整数最小二乘及整数最小二乘的参数估计准则.最后给出算例验证了基于混合整数最小二乘的参数估计的正确性和优越性.     

半参数模型稳健估计及其应用

在半参数模型估计中,均假设观测误差服从正态分布。当观测量含有粗差时,粗差对参数和非参数估计的影响是不可忽略。基于此,首先在总结线性参数模型稳健估计基本理论的基础上,论述了M估计权因子的确定方法。然后提出了半参数模型稳健估计方法,并导出半参数模型(广义)补偿最小二乘稳健估计的基本公式。最后通过两个模拟算例验证了其估计方法的有效性。     

一种基于F-J线性-非线性模型解的迭代最小二乘方法

基于贝叶斯理论的线性与非线性模型反演方法（Fukuda-Johnson,F-J）已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样（Markov chain Monte Carlo,MCMC）经验参数选择的影响,而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后,也可以利用迭代最小二乘方法反演,但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响,提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代,既提高了F-J方法的反演效率,又能获得迭代最小二乘全局最优解。针对模拟数据实验和实际数据算例,分别采用F-J方法、随机生成初始值的迭代最小二乘方法和以F-J方法结果为初值的迭代最小二乘方法进行参数反演。结果表明,直接使用F-J方法时,MCMC采样参数会影响反演结果;直接进行迭代最小二乘反演时,初始值选取不当会导致迭代无法收敛到正确的结果;以F-J方法的结果作为迭代最小二乘方法的初始值进行反演,可以充分发挥F-J方法的全局最优性和迭代最小二乘方法计算量小、稳定性好的优势。     

正规化矩阵正定时半参数估计量的统计性质

利用补偿最小二乘原理构造加权惩罚平方和,得到半参数模型中正规化矩阵正定时参数和半参数的估计量.从偶然误差的统计特征出发,详细讨论这种平差方法得到的参数估值的一些统计性质,并对半参数平差与最小二乘法的参数估计值进行比较.理论分析表明,通过选取合适的平滑参数,半参数平差方法优于最小二乘法.另外从数理统计的角度对平滑参数的选取进行分析,得到平滑参数的取值范围,也给出了平滑参数对模型精度的影响.     

半参数平差模型估计量的精度评定

将半参数估计理论引入测量数据处理理论中,利用Blight和Ott提出的思想,用多项式函数来表示半参数平差模型中的非参数分量,从而得到了半参数平差模型中参数分量和非参数分量的Bayes估计量,通过理论证明,半参数模型参数分量的Bayes估计为通常意义下高斯马尔可夫模型参数估计值与参数期望的加权平均,是一致、渐近无偏和渐近有效估计量,并且其方差小于参数模型中参数估计量的方差。在一定情况下推广了平差理论,具有一定的理论价值。     

非线性半参数模型在GPS系统误差处理中的应用

本文总结了当前测量界对系统误差的处理方法,提出了用非线性半参数核估计来处理GPS双差定位中系统误差的方法,即用非线性半参数模型中的非参数分量表达双差模型中残余的系统误差。最后通过算例检验了此方法对于提取GPS双差定位中残余的系统误差的有效性。     

半参数模型稳健估计及其应用

在半参数模型估计中,均假设观测误差服从正态分布.当观测量含有粗差时,粗差对参数和非参数估计的影响是不可忽略.基于此,首先在总结线性参数模型稳健估计基本理论的基础上,论述了M估计权因子的确定方法.然后提出了半参数模型稳健估计方法,并导出半参数模型(广义)补偿最小二乘稳健估计的基本公式.最后通过两个模拟算例验证了其估计方法的有效性.     

一种求解单像空间后方交会的监督学习方法

单像空间后方交会可描述为非线性最小二乘问题,不可导、法方程系数矩阵病态以及陷入局部极值是造成其数值过程不收敛的主要原因。不同地区的控制点空间分布不具相似性,若把同一地区同一组控制点之下数张已知外方位元素的像片看作一个样本集,则在给定每个外方位元素初值的前提下,可通过监督学习方法求取外方位元素的整体下降方向;而对于单像空间后方交会中因前述原因不收敛的情况,则可采用整体下降方向近似解算。以此为出发点,提出一种单像空间后方交会求解的监督学习方法,主要过程是:①训练阶段,利用监督学习过程,对同一测区内不同姿态像片所组成的样本集进行整体外方位元素的求解,得到该测区外方位元素的整体下降方向集合;②测试阶段,对该测区的任意像片,给定外方位元素的初值,直接采用训练阶段得到的整体下降方向集合进行外方位元素的迭代求解。对比试验表明,该方法在数值过程收敛性与初值依赖性上均表现出较强的优势,并能克服欧拉角法因法方程系数矩阵病态而无法收敛的情况。     

约束秩亏间接平差模型的虚拟观测算法

约束秩亏间接平差模型的法方程系数矩阵为分块矩阵,其左上角的子块矩阵秩亏,因此无法直接计算分块矩阵的凯利逆矩阵。利用矩阵运算,构建一个能直接求凯利逆的分块矩阵,进而推算出约束秩亏间接平差模型法方程系数矩阵的凯利逆的直接显性表达式。提出将约束条件看作虚拟观测,和原有的秩亏间接平差模型组合成新的误差方程,再和约束条件组成约束间接平差模型进行解算的虚拟观测值算法。该方法和前述推算的直接显性表达式的计算结果是一样的。通过数值实验和不同算法的比较,证明文中推算出的算式及算法是正确的。     

超高阶重力场模型最小二乘快速实现

采用最小二乘方法解算超高阶重力场模型,不可避免会遇到大型矩阵的计算,直接求解是难以实现的。本文从重力场模型的基本观测方程出发,利用正余弦函数和面球谐因子的正交性,分析系数矩阵及法矩阵的特点,在法矩阵块对角化的基础上,利用系数矩阵求解法矩阵时“次m”递增的特点,对法矩阵求解方程进行约化、对Legendre函数的计算和存储方式进行了设计,结合缔合Legendre函数关于赤道的对称性,解决了大型矩阵存储及计算效率低下的难题,实现了超高阶重力场模型最小二乘方法的小存储、高效率的解算。通过试验模拟,改进后的方法相比传统块对角方法效率提高300倍,利用此方法可以在普通PC机上快速、高精度地解算2160阶次超高阶重力场模型,算法精度相比数值积分方法至少提高了5个数量级,并且在一定程度上可以评估原始观测数据的精度。     

基于方差分量估计的拟合推估及其在GIS误差纠正的应用

拟合推估解算必须首先求得信号向量的方差协方差矩阵,该协方差矩阵一般通过选定的协方差函数,并通过已测点数据进行拟合得到。显然观测噪声的先验方差协方差阵与拟合得到的随机信号的方差协方差矩阵必须相互协调,即观测噪声向量和信号向量的权矩阵所对应的方差因子应该一致,否则将对固定效应和随机效应参数的估计带来系统性的影响。应用方差分量估计来协调拟合推估模型中观测噪声和信号向量的随机模型,并分别从极大似然估计、MINQUE估计、赫尔默特方差分量估计三方面构建了拟合推估模型的方差分量解,最后利用新提出的理论与方法,对一幅实际的扫描地形图进行误差纠正,结果表明基于方差分量估计的拟合推估法能够提高扫描地形图的精度。     

三原则整体最小二乘用于平面自由网平差计算

文中在平面网平差中应用整体最小二乘理念.在最小二乘模型中,为了消除观测方程系数误差和未知参数系统误差,加入系数改正数和参数改正数,并提出三原则整体最小二乘模型.研究平差两大步骤,用最小二乘多次改用"参考点组"而选出w个稳定点;用最小二乘多次改用"近似坐标"而消除系数误差和参数系统误差.三原则整体最小二乘适用于平面自由网...