附非负约束平差模型的最小二乘估计

研究了不等式约束下的平差问题,即先将不等式约束的最小二乘问题转换成凸二次规划问题,然后求其最优解.给出了几个判定最优解的充分必要条件,以及非负约束下的平差问题参数最小二乘估计的一般形式,并给出了简明的算法.模拟实例说明,此算法可以很好地应用于实际测量中的平差计算.     

不等式约束PEIV模型的经典最小二乘方法

不等式约束部分变量含误差(partial errors-in-variables, PEIV)模型目前主要采用线性化方法和非线性规划类算法,前者计算效率较低,后者基于最优化理论,计算复杂,未能与经典平差理论建立联系,难以在测量实际中推广。在整体最小二乘准则下,根据最优解的Kuhn-Tucker条件,将不等式约束整体最小二乘解的计算转化为二次规划问题,并提出改进的Jacobian迭代法求解二次规划。所提方法不需要对观测方程线性化,与经典最小二乘法具有相同的形式,易于编程实现。数值实例表明,所提方法形式简洁,具有良好的计算效率,是经典最小二乘平差理论的有益拓展。     

不等式约束加权整体最小二乘的凝聚函数法

误差向量的方差-协方差阵是一般对称正定矩阵下的附不等式约束加权整体最小二乘平差模型,研究了其参数估计和精度评定问题。首先,将残差平方和极小化函数在整体最小二乘准则下转化为只包含模型参数的目标函数,同时将所有的不等式约束表示成一个等价的凝聚约束函数,并运用乘子罚函数策略将不等式约束加权整体最小二乘平差问题转化为相应的无约束最优化问题,并用BFGS方法求解。然后,将误差方程和约束函数线性展开,推导了最优解和观测量间的近似线性函数关系,运用方差-协方差传播律得到了最优解的近似方差。最后,用数值实例验证了方法的有效性和可行性。     

带有不确定性的观测数据平差解算方法$

通过把不确定度作为参数融入到函数模型,建立了不确定性平差模型。依据残差中不确定性传播规律,确定了残差最大不确定度达到最小的平差准则,利用迭代算法得到了不确定性平差模型的解算方法。通过实例分析了最小二乘平差、整体最小二乘平差和不确定性平差准则下最优解的不同特点。     

不等式约束PEIV模型的最优性条件及SQP算法

基于约束非线性规划理论的最优性条件,推导了不等式约束PEIV(partial errors-in-variables)模型在加权最小二乘准则下取得最优解的一阶必要条件和二阶充分条件,以此作为算法设计的依据和检核解最优性的标准。根据序列二次规划算法,将非线性目标函数和约束方程在近似值处用泰勒级数展开,转换为二次规划子问题,采用积极约束算法同时估计模型参数和系数阵元素。数值模拟算例和线性回归的结果表明,新算法可行有效,具有良好的计算效率。     

不确定性平差模型的平差准则与解算方法

在测量数据的获取过程中,经常存在着不确定性,它们影响着参数估计的可靠性。本文通过把不确定度作为参数融入函数模型,建立了不确定性平差模型。依据残差中不确定性传播规律,确定了残差最大不确定度达到最小的平差准则,利用迭代算法得到了不确定性平差模型的解算方法。通过实例分析了最小二乘平差、整体最小二乘平差和不确定性平差准则下最优解的不同特点,从另一个角度探讨了不确定性观测数据处理方法,推广了现有的误差理论。     

拟牛顿修正法解算不等式约束加权总体最小二乘问题

根据总体最小二乘准则,可以将附有不等式约束的变量误差（errors-in-variables,EIV）模型转化为标准最优化问题,并运用有效集法、序列二次规划法等优化方法求解。已有算法在涉及计算目标函数的Hesse矩阵（二阶导数）时,存在计算量较大的缺陷。针对上述问题,利用基于拟牛顿法修正Hesse矩阵的序列二次规划算法解算附有不等式约束加权总体最小二乘问题,新算法减小了计算量,可以提高收敛速度。通过实例,证明了该算法具有很好的适用性和计算效率。     

复数域最小二乘平差及其在POLInSAR植被高反演中的应用

传统的测量观测值都是实数,因此测量平差都是在实数空间中进行的。然而,随着科学技术的快速发展,现代测绘领域中出现了一些用复数表示的观测数据。与实数数据一样,这些复数数据同样面临着如何从带有误差的观测值中找出未知量的最佳估计值的问题。但目前涉及复数观测的数据处理时,主要还是依据观测过程,分步或直接解算,不能考虑观测误差、多余观测信息等。针对这一情况,本文介绍了复数域中数据处理的最小二乘方法,试图将测量平差从实数域推广到复数域,并定量研究了两种平差准则的优劣性。为了了解复数域最小二乘的有效性,本文以极化干涉SAR植被高反演为例,建立复数域平差函数模型和随机模型,构建复数域最小二乘法反演植被高。结果表明该算法反演的植被高结果可靠,其精度优于经典植被高反演算法,且计算简单,易于实现。     

经典平差模型的扩展

将经典测量平差的概括模型(附有等式限制条件的条件平差模型)扩展为附不等式约束的平差模型,同时将其定义为测量平差统一模型,并在一定的条件下实现这种平差模型与概括平差模型间的相互转换.在最小二乘平差原则下,作者结合虚拟观测方程处理不等式约束的思路,给出附不等式约束平差的最小二乘显式解,分析其统计性质,并修正传统测量平差结果的统一表达式.按本文所提方法,附不等式约束的平差问题,完全可以利用传统的平差方法和平差程序求解,方法简单可行.     

二次规划有效集算法在测量平差中的应用研究

采用有效集算法求解边界约束下的二次规划问题,将边界约束条件转换成不等式约束条件后将其带入最小二乘平差中,再利用有效集算法反复迭代得到二次规划问题的唯一最优解,并对带有约束条件的参数解进行精度评定。通过实测数据验证了算法的可行性和优越性。     

An Aggregate Constraint Method for Inequality-constrained Least Squares Problems

The inequality-constrained least squares (ICLS) problem can be solved by the simplex algorithm of quadratic programming. The ICLS problem may also be reformulated as a Bayesian problem and solved by using the Bayesian principle. This paper proposes using the aggregate constraint method of non-linear programming to solve the ICLS problem by converting many inequality constraints into one equality constraint, which is a basic augmented Lagrangean algorithm for deriving the solution to equality-constrained non-linear programming problems. Since the new approach finds the active constraints, we can derive the approximate algorithm-dependent statistical properties of the solution. As a result, some conclusions about the superiority of the estimator can be approximately made. Two simulated examples are given to show how to compute the approximate statistical properties and to show that the reasonable inequality constraints can improve the results of geodetic network with an ill-conditioned normal matrix.     

线性回归参数的总体最小二乘估计新算法

将一元线性回归总体最小二乘平差模型展开后,以因变量和自变量改正数的平方和最小为约束条件,推导其总体最小二乘的迭代算法,并将模型扩展到多元线性回归,进一步得到线性回归模型的总体最小二乘算法。通过实例分析,证明算法的可行性和合理性。     

不等式约束最小二乘问题的解及其统计性质

对不等式约束最小二乘平差问题,借助非线性规划中的凝聚约束方法把多个不等式约束转化为一个等式约束,采用拉格朗日极值法求解,解与贝叶斯解或单纯形解一致。其优点在于该解能够表示为观测的明显表达式,由此解的统计性质与最优性可以确定。给出演示该方法的GPS单点定位算例。     

基于最小二乘支持向量机回归的GPS高程转换模型

探讨了将最小二乘估计引入到支持向量机中,给出最小二乘支持向量机回归(LS-SVR)算法,该算法用等式约束代替传统支持向量机回归中的不等式约束,使得求解过程更为简单。将构建的LS-SVR模型应用到GPS高程转换中,提出该回归模型的实现步骤。实例表明,在有限样本情况下,LS-SVR完全可以达到与传统GPS高程拟合方法相同的精度,但实现起来更简单,而且在泛化性能方面具有理论上的保证。     

参数带有区间约束的平差模型迭代算法

测量平差模型中的参数通常存在一些不确定的附加信息或先验信息,充分利用它们可以对部分参数进行约束,从而保证参数解的唯一性和稳定性。本文主要研究参数带有区间约束的平差模型。即,利用矩阵正则分裂方法,将平差问题转化成一个简单的二次规划问题,建立了一种新的参数估计迭代算法,并证明了算法的收敛性。最后通过实例说明了新方法可以提高参数估计的效率,降低模型的不适定性,保持参数先验信息中的统计、几何或物理意义。     

广义平差的概括模型

提出了广义平差的概括模型———附有条件的最小二乘配置模型。该概括模型不仅包括滤波和推估模型 ,扩充了原有的最小二乘配置模型 ,而且经典平差模型都是它的特例。     

融合正交几何信息的非线性等式约束整体最小二乘平差及迭代算法

正交距离最小二乘和加权整体最小二乘是解自变量含误差拟合问题的两种独立准则。加权整体最小二乘与正交距离最小二乘不同,它不考虑测量点与拟合点之间的连线垂直于拟合对象的几何信息,不能确保测量点到拟合对象的距离的平方和为极小值。针对该问题,本文将正交几何信息作为约束条件融入加权整体最小二乘,提出一种约束方程带有误差改正数的非线性等式约束整体最小二乘平差法。首先,把加权整体最小二乘平差的函数式看作是非线性方程,连同正交几何约束方程一并线性化,得到线性的平差函数方程;然后,采用拉格朗日乘数法推导其参数估计及精度评定公式,并给出迭代计算算法;最后,以平面直线拟合为例,对本文方法和计算算法进行验证。试验结果表明:①本文方法和算法具有可行性;②与加权最小二乘和加权整体最小二乘相比,本文方法计算的测量点到拟合直线的垂直距离平方和最小;③本文方法计算的测量点到拟合直线的距离与测量点到拟合点的距离相等。     

系数矩阵中部分有界不确定性的混合平差算法

在测量数据的获取过程中,常常存在着不确定性。它们影响着参数估计的有效性和可靠性。本文基于不确定性混合平差模型,在不确定性误差有界的约束下,利用随机误差和不确定性误差平方和达最小的新平差准则,给出了一个新的不确定性平差模型迭代算法。通过算例,对本文算法与其他方法进行了比较。结果表明：本文所提参数解算方法是有效可行的,且在不确定性较大时,该方法有较好的适用性。