利用均方误差相对变化规律确定正则化参数及其在PolInSAR测量反演中的应用EI北大核心CSCD

正则化方法是大地测量解算病态问题的常用方法,而正则化参数是影响正则化方法解算结果的关键参数。以均方误差最小为准则选取正则化参数,具有较充分的理论依据,可有效实现模型参数估值精度的提升。但是,均方误差计算过程中需要未知参数的真值,在实际情形中只能通过参数估值替代真值估算均方误差,难以获得可靠准确的均方误差值,限制了正则化参数的有效性。鉴于此,本文分析了正则化参数变化引起的方差与偏差变化规律,提出了一种均方误差相对变化值确定方法。依据不同正则化参数下模型参数真值不变原则,计算不同正则化参数下的方差与偏差相对变化量,从而消除参数真值对均方误差估计的影响。本文首先利用不同正则化参数计算两相邻正则化参数间的方差与标准差相对变化量;然后计算两正则化参数间模型参数估值变化量,通过差分运算分析得到两相邻正则化参数下的偏差相对变化量;最后综合标准差变化与偏差变化关系,得到均方误差最大降幅的正则化参数。通过PolInSAR植被高测量试验对本文方法的可行性进行了验证。试验表明,本文方法可有效改善正则化法模型参数估计精度。两个PolInSAR测量试验模型参数反演精度均得到了提高,合理验证了本文方法的可行性与有效性。     

利用最优正则化方法确定Tikhonov正则化参数

基于均方误差最小意义下运用最优正则化方法确定正则参数,推导了计算最优正则参数的公式,并结合算例分析比较了求解病态方程的L-曲线法、GCV法等常用的方法,算例表明,基于最小均方误差的Tikhonov正则化参数优化选取方法是一种可行有效的方法。     

Tikhonov正则化方法在GOCE重力场求解中的模拟研究

本文在阐述Tikhonov正则化方法基本原理的基础上,给出了四类可用于重力场解算的正则化矩阵(零次、一次、二次和Kaula),以及用于确定正则化参数的L曲线法和GCV方法的数学模型。基于SA方法利用模拟数据分析讨论了零次、一次以及Kaula正则化矩阵应用于GOCE全球重力场模型确定的有效性,并由Kaula正则化矩阵分析了L曲线法和GCV方法确定正则化参数的可行性。数值结果表明三类正则化矩阵获得的最优解(以大地水准面MSE最小为准则确定)的精度水平相近,关键在于相应正则化参数的确定,数值结果同时说明了GCV方法和L曲线法可用于确定正则化参数,且前者较后者具有更好的稳定性。     

一种解算病态问题的方法--两步解法

提出了一种解算病态问题的方法———两步解法。在两步计算中,均采用L曲线法来确定正则化参数α。通过算例,比较了该方法和LS估计、岭估计及截断奇异值方法的效果。结果表明,该方法要明显优于LS估计、岭估计及截断奇异值法。     

最优Tikhonov正则化矩阵及其在卫星导航定位模糊度解算中的应用

首先，用贝叶斯（Bayes）统计理论的观点，把未知参数看作随机变量，引入未知参数的无信息先验分布函数，从数学上推导了均方误差最小意义下的正则化矩阵；然后，结合最优正则化矩阵和快速截断奇异值算法，提出了一种新的正则化方法；最后，探讨了新方法在全球卫星导航系统（Global Navigation Satellite System，GNSS）模糊度解算中的应用。通过一组GNSS模糊度解算实验，比较了最小二乘（least squares，LS）方法、L曲线岭估计和新方法的性能。结果表明，新方法解算成功率略高于L曲线岭估计，远高于LS方法；计算耗时略大于LS方法，远小于L曲线岭估计。     

短基线集形变模型反演的正则化解算方法

针对短基线集形变模型反演中法方程系数矩阵呈病态的问题,提出一种正则化稳健解算方法。该方法基于Tikhonov正则化理论,将形变速率求解问题转化为极小化问题,根据L-曲线法选取正则化参数,考虑最小二乘残差各个分量间的关系选取正则化矩阵,实现短基线集形变模型反演的稳健解算。分别采用LS法、岭估计法和Tikhonov正则化法对覆盖北京地区的29景ENVISAT ASAR数据进行处理,反演出研究区沉降速率图。通过对代表不同沉降情况的21个点的均方误差值和时间相干值、整个研究区的均方误差图等的对比分析,表明本文提出的短基线集形变模型反演的正则化稳健解算方法可获取更可靠的形变监测结果。     

一种病态EIV模型正则化的修正算法

针对解决变量中含有误差(EIV)模型参数估计算法的降正则化性导致即使模型参数初值可靠,参数估值也可能在迭代过程中发散的问题,该文分析现有EIV模型参数估计算法具有的降正则化性质,讨论EIV模型参数估计算法具有的降正则化性对模型正则化的影响,建立一种病态EIV模型的实时修正算法。通过算例验证该文所建立的算法,算例结果表明,该文建立的算法能够有效解决EIV模型参数估计存在的上述问题。该文所建立的病态EIV模型正则化算法更具普适性。     

病态乘性误差模型的加权最小二乘正则化迭代解法及精度评定

针对乘性误差模型的病态问题,引入Tikhonov正则化方法,导出了病态乘性误差模型的加权最小二乘正则化解.顾及加权最小二乘正则化法在求解病态乘性误差模型时,参数估值与观测值之间存在复杂的非线性关系,本文利用一种无需求导、通过加权的方式便能够计算非线性函数的均值和均方误差阵的比例对称采样的无迹变换(scaled unscented transformation,SUT)法,对病态乘性误差模型进行精度评定.模拟算例和真实算例结果表明,本文提出的加权最小二乘正则化迭代解法可以有效减弱模型的病态性,基于SUT法的精度评定方法能够得到比已有方法更为合理的精度信息,具有较强的适用性.     

GPS速度场球面小波模型中的吉洪诺夫正则化方法

针对用小波框架表示GPS速度场可能会产生病态问题,该文提出了采用吉洪诺夫正则化方法及相应的3种正则化参数选择方法(广义交叉检验法、L曲线法和留一交叉验证法)进行模型求解。该方法通过引入合适的正则化参数及正则化矩阵的方式,来克服GPS速度场球面小波模型难于得到惟一解的问题。基于中国地壳运动观测网络两个局部区域的GPS速度场数据和亚洲太平洋地区地球动力学计划局部区域的GPS速度场数据的实验结果表明:使用该方法可以得到模型的稳定解,且以外部检核均方误差最小为准则时,3种正则化参数选择方法获得的解的精度水平相当。     

航空重力向下延拓的多参数正则化方法

为了克服航空重力向下延拓解算的病态性影响,介绍了一种多参数正则化方法,以均方误差最小为目标函数,设计了选取正则化参数的迭代算法,并比较了基于L曲线法、广义交叉核实(generalized cross-validation,GCV)方法选取正则化参数的Tikhonov正则化方法,同时给出了均方误差意义下多参数正则化解优于最小二乘估计的条件。基于EGM2008地球重力场模型进行了仿真试验,计算结果表明,多参数正则化方法能够保证向下延拓结果的可靠性和稳定性,并优于现有的Tikhonov正则化方法,验证了多参数方法在航空重力向下延拓中的可行性。     

顾及截断偏差影响的TSVD截断参数确定方法

TSVD通过截断参数截掉较小的奇异值来改善病态性对估计的影响,其本质是通过引入少量偏差来降低方差,以提高估值的稳定性和可靠性。截断参数是影响TSVD解算效果的关键因素,常用的广义交叉核实法(GCV法)和L曲线法未从TSVD改善模型参数估值质量的角度确定截断参数,稳定性和可靠性不足,而最小MSE法理论依据充分但受限于MSE计算的准确性。通过分析TSVD由小到大截掉奇异值后,相应的估值方差与偏差变化,本文提出了引入偏差量小于降低方差量来确定截断参数的思想,并通过估计出较大奇异值截掉后的偏差引入量建立偏差估值可信区间,利用可信区间内偏差估值与方差下降量进行比较,避免较小奇异值截掉后的方差下降量与偏差引入量的直接比较,从而解决参数真值未知截掉较小奇异值引入偏差量难以准确计算的问题。最后通过试验验证了新方法的可行性和有效性,相比于GCV法和L曲线法,新方法确定的截断参数稳定性和可靠性更高,可有效提高TSVD的解算效果。     

正则化的奇异值分解参数构造法

Tikhonov正则化法引入正则化参数和稳定泛函来改善矩阵的病态性。稳定泛函表示为参数的二范约束时,正则化矩阵为单位阵的正则化法即为岭估计法。通过对岭估计的方差与偏差进行分析可知,岭估计改善矩阵病态性的同时也过度地引入了偏差,降低了解的可靠性,对较大奇异值的修正不能有效地减小估计的方差,却引入了偏差,而对较小奇异值的修正可有效地减小估计的方差。因此,选择较小奇异值特征向量构造正则化矩阵,调节各奇异值的修正,可有效减小参数估计的方差,减少偏差的引入,得到更为可靠的参数估计。通过试验证明了该方法的有效性。     

重力与磁力测量数据向下延拓中最优正则化参数确定方法研究

向下延拓是重、磁测量数据处理的关键步骤之一,然而,向下延拓是一个典型的不适定问题,需要采用正则化方法实现有效延拓,因此,正则化参数的确定是重、磁测量数据向下延拓正则化方法研究中最重要内容。本文根据观测面和延拓面测量数据的Poisson积分平面近似关系,结合快速傅里叶变换算法,将其转换到频率域进行计算,提高了计算速度,为了克服计算的不稳定性并进一步提高计算结果的精度,引入Landweber正则化迭代法,在此基础上采用L曲线法研究了最优正则化参数的确定,最后采用模型磁测数据验证了所确定的正则化参数的有效性,并取得了较好的延拓结果。     

用Landweber法求解GPS定位参数

在GPS定位中,由于观测结构不好等原因存在病态问题,常常造成GPS定位参数的最小二乘解不稳定.针对求解病态可题在参数估计中的影响,本文提出采用Landweber迭代正则化求解整周模糊度;在实施过程中,提出了迭代次数的确定方法;根据计算实例验证了Landweber迭代正则化方法求解GPS定位参数的有效性.     

利用TSVD参数估值变化特性确定算法截断参数

TSVD是大地测量病态问题解算的常用有效方法。影响TSVD解算效果的关键因素是截断参数,现有截断参数确定方法可提供有效的截断参数,但仍难以给出最优截断参数。以均方误差最小为准则确定截断参数是一种理论依据较充分的截断参数确定方法,但均方误差计算所需的模型参数真值在实际应用中无法获得,导致该方法难以给出理论最优截断参数。鉴于此,本文研究了基于均方误差影响下(方差与偏差联合影响)参数估值变化特性的TSVD截断参数确定方法。通过TSVD依次截掉小奇异值,获得奇异值截掉前后的方差与参数估值变化,利用两者变化分析确定偏差影响,避免依赖参数真值计算偏差,从而确定出均方误差最小理论下的截断参数。数值与应用试验结果表明,本文方法确定的截断参数可有效改善TSVD解算效果,是一种行之有效的截断参数确定方法。     

Reducing errors in the GRACE gravity solutions using regularization

The nature of the gravity field inverse problem amplifies the noise in the GRACE data, which creeps into the mid and high degree and order harmonic coefficients of the Earth’s monthly gravity fields provided by GRACE. Due to the use of imperfect background models and data noise, these errors are manifested as north-south striping in the monthly global maps of equivalent water heights. In order to reduce these errors, this study investigates the use of the L-curve method with Tikhonov regularization. L-curve is a popular aid for determining a suitable value of the regularization parameter when solving linear discrete ill-posed problems using Tikhonov regularization. However, the computational effort required to determine the L-curve is prohibitively high for a large-scale problem like GRACE. This study implements a parameter-choice method, using Lanczos bidiagonalization which is a computationally inexpensive approximation to L-curve. Lanczos bidiagonalization is implemented with orthogonal transformation in a parallel computing environment and projects a large estimation problem on a problem of the size of about 2 orders of magnitude smaller for computing the regularization parameter. Errors in the GRACE solution time series have certain characteristics that vary depending on the ground track coverage of the solutions. These errors increase with increasing degree and order. In addition, certain resonant and near-resonant harmonic coefficients have higher errors as compared with the other coefficients. Using the knowledge of these characteristics, this study designs a regularization matrix that provides a constraint on the geopotential coefficients as a function of its degree and order. This regularization matrix is then used to compute the appropriate regularization parameter for each monthly solution. A 7-year time-series of the candidate regularized solutions (Mar 2003–Feb 2010) show markedly reduced error stripes compared with the unconstrained GRACE release 4 solutions (RL04) from the Center for Space Research (CSR). Post-fit residual analysis shows that the regularized solutions fit the data to within the noise level of GRACE. A time series of filtered hydrological model is used to confirm that signal attenuation for basins in the Total Runoff Integrating Pathways (TRIP) database over 320 km radii is less than 1 cm equivalent water height RMS, which is within the noise level of GRACE.     

确定大地水准面的Tikhonov最小二乘配置法

LSC法（最小二乘配置法）因能融合不同种类重力观测数据确定大地水准面的特性而受到广泛关注,但由于协方差矩阵存在病态性,微小的观测误差将被协方差矩阵的小奇异值放大,导致计算的配置结果不稳定且精度偏低。本文提出Tikhonov_LSC法,即在LSC法中引入Tikhonov正则化算法,基于GCV法选择协方差矩阵的正则化参数,利用正则化参数修正协方差矩阵的小奇异值,以抑制其对观测误差的放大影响。基于Tikhonov_LSC法计算大地水准面,能有效提高其稳定性和精度。通过以EGM2008重力场模型分别计算山区、丘陵和海域重力异常作为基础数据确定相应区域大地水准面的实验,验证了该方法的有效性。