带有界不确定性的加权混合估计方法

大地测量中各种异方差多源观测模型进行融合都需要进行混合估计。由于附加信息和样本信息在估计过程中作用是不均等的,需要建立新的加权平差准则,平衡先验约束和观测信息对参数估计的影响。把多源观测数据看成是观测信息和一些随机约束信息,首先利用椭球近似描述有界不确定信息,建立了基于外接椭球特征矩阵迹最小的平差准则,然后提出了一个新的观测信息融合方法,并给出了一种优化权的计算方法,使得加权混合估计方法能有效应用于大地测量数据处理,最后,通过算例验证了算法的有效性,说明了集员估计解与带权混合估计的关系。     

多类大地测量数据的融合方法及其比较

本文针对多类大地测量数据处理问题，讨论了多类大地测量数据的抗差解融合、方差分量估计解融合、基于抗差解的方差分量估计融合以及顾及参数先验信息的自适应融合等数据处理方法，采用这些方法能合理地调整不同种类观测量间的权比以及观测量与参数先验信息问的权比。实际算例表明，采用这些融合方法能明显地提高多类大地测量数据处理的结果精度。     

近五年中国大地测量数据处理理论与方法进展

本文介绍了五年来中国学者在大地测量数据处理理论方面的主要贡献。内容包括函数模型、随机模型以及计算方法方面的主要进步。抗差估计理论与方法的研究得到进一步加强，针对相关观测异常污染新建立了双因子方差膨胀模型和双因子等价权模型，建立了基于方差分析的方差膨胀模型；在动态定位数据处理方面，建立了自适应抗差滤波理论。在粗差探测与可靠性理论方面提出了粗差拟准方法；非线性参数估计和有偏估计方面也有相当丰富的成果。本文只包括中国学者在1999—2003年五年间所从事的研究和发表的主要成果。     

基于虚拟观测的病态问题解法

在大地测量数据处理领域中,处理病态问题的主要方法有:岭估计方法、奇异值分解法(SVD)、Tik-honov正则化方法等,但是这些方法大多数是强调数学上的意义,没有充分联系大地测量的实际情况,因此不利于在测绘领域病态问题本质的理解和研究。为使病态问题的求解具有实际的物理意义,提出了基于虚拟观测的岭估计方法。该方法将先验约束条件作为一类互相独立的虚拟观测值,从而把病态问题转化为测量平差问题,然后运用Helmert方差估计法来确定岭参数。该方法还可以得到的参数之间的权矩阵,用它来代替虚拟观测值的权矩阵,重新对参数进行计算,则实现了该方法向广义岭估计的推广。实际算例分析的结果表明该方法不仅计算简单而且能保证结果精确。     

中国大地测量数据处理60年重要进展 第二部分:大地测量参数估计理论与方法的主要进展

大地测量参数估计原理是大地测量数据处理的重要基础。中国学者经过60年不懈努力,在自由网平差、拟稳平差、半参数估计、不适定问题解算方法、抗差估计、自适应滤波等领域做出了重要贡献,建立了许多新的理论、模型和方法,推进了大地测量数据处理理论的进展。这一部分重点介绍建国60年来中国学者在大地测量数据处理原理、方法方面取得的成就。     

作为质量指标的估计方差的可靠性

研究了具体有ｐ范分布的参数的极大似然估计的估计方差。除Ｌ２估计外,其余Ｌp估计的 估计方差会出现３种不同合理情况：零单位权方差和同一估计量有两个不同的估计方差。这说明极大似然估计与最小方差估计并不完全等价。产生的原因在于单位权方差与分布的总体方差不相等。定义了单位权估计方差与总体方差的比值作为估计方差的可靠性指标。ｐ＝２,估计方差的可靠性为１００％;ｐ＝∞时,可靠性为零;ｐ与２相关越大,估计方差的可     

中国大地测量数据处理60年重要进展第一部分：函数模型和随机模型进展

大地测量函数模型与随机模型是大地测量数据处理必须要涉及的模型。经过60年不懈努力,中国学者根据大地测量应用实际,构建和改进了许多函数模型,如广义测量平差模型、等价观测方程、非线性平差模型等;在方差分量估计和误差检验方面做了大量创新性工作,如基于Bayes估计的方差分量估计、拟准误差检验等,丰富了测量平差理论与方法。这一部分重点介绍建国60年来中国学者在大地测量数据处理函数模型、随机模型和误差检验方面所取得的成就。     

利用偏差改正的方差分量估计方法确定联合反演相对权比

在大地测量联合反演中,方差分量估计法用于确定相对权比时并没有考虑大地测量反演的病态性,利用正则化解代替最小二乘解会引入偏差,会造成方差分量估计不准确问题。针对此提出采用偏差改正方差分量估计方法,以消除正则化解引入偏差的影响,并基于残差的偏差改正方差分量估计与方差分量估计法进行模拟实验。结果表明,进行偏差改正后的方差分量估计法能够较好地反演出滑动分布情况,所提方法针对参数进行偏差改正的方差分量估计考虑了迭代初值引入的偏差,理论更为严密。并将所提方法用于Visso地震和Norcia地震反演中,验证了该方法的可靠性、合理性。     

Gauss-markov模型的t型抗差估计

测量中对含粗差的数据的处理通常采用基于等价权法的抗差M-估计,等价权及其临界值的选取决定了参数估计的效率和抗差性.本文将近年来统计界提出并有较深入理论研究的t型估计引入测量平差中,提出Gauss-Markov模型的t型抗差估计及其算法,并进行了模拟计算.t型抗差估计具有很好的统计性质;其求解采用EM算法,计算快捷稳定,收敛性好,可同时求解出位置参数和方差因子的抗差估计;t分布的自由度可方便地调节估计的效率和抗差性.计算结果显示,t型抗差估计受粗差影响不大,具有较好的抗差能力.     

模型参数估计的优效性

本文根据多参数的R-C不等式和优效计量定理,得到了函数模型和随机模型参数估计的方差下界公式。函数模型的参数估计是优效估计量,但随机模型的参数估计即方差分量估计不是优效估计量;作为特例,单位权方差的估计是优效估计量,同时证明了函数模型和随机模型参数估计的不相关性。     

用信息扩散估计进行水准网平差

信息扩散估计 (ISE)是一维参数估计中的较好方法 ,但不便于直接推广到多维参数估计中去。本文根据水准测量的特点 ,巧妙地将其推广到水准网平差这一多维参数估计中 ,部分地解决了信息扩散估计在测量数据处理中的应用问题。     

观测值含有粗差的抗差粒子滤波算法

作为非线性滤波的代表，粒子滤波得到广泛应用。该算法通过随机生成的具有权重的样本（粒子）来计算后验概率密度。其中赋权的过程需要综合系统信息和观测信息，当观测值含有粗差时，会使粒子错误赋权影响滤波结果。提出一种新的基于抗差估计的抗差粒子滤波算法，通过计算粒子等价权，抑制观测值粗差的影响。模拟计算分析表明，当观测值含有粗差时，与标准粒子滤波相比，该方法能有效提高滤波精度。     

ADJUSTMENT OF LEVELING NETWORK BY INFORMATION SPREAD ESTIMATION

1　ＩｎｔｒｏｄｕｃｔｉｏｎＦｏｒｉｎｄｅｐｅｎｄｅｎｔｏｂｓｅｒｖａｔｉｏｎｓＬ ,ｔｈｅＩＳＥｆｉｒｓｔｌｙｕｓｅｓｔｈｅｆｏｌｌｏｗｉｎｇｆｏｒｍｕｌａｔｏｅｓｔｉｍａｔｅｔｈｅｄｉｓｔｒｉｂｕ ｔｉｏｎ^ｆ(Ｌ) :^ｆ(Ｌ) =1ｎｈ 2π∑ｎｊ=1ｅｘｐ( - (Ｌ-Ｌｊ) 22ｈ2 ) ( 1 )ｗｈｅｒｅＬａｒｅｏｂｓｅｒｖａｔｉｏｎｓ;ｎｉｓｔｈｅｎｕｍｂｅｒｏｆｏｂ ｓｅｒｖａｔｉｏｎｓ;ｈ =α(Ｌｍａｘ-Ｌｍｉｎ) /(ｎ - 1 ) ,ｃｏｅｆｆｉｃｉｅｎｔαｃａｎｒｅａｄｉｌｙｂｅｌｏｏｋｅｄｕｐｆｒｏｍｔｈｅＴａｂｌｅｉ…     

Adjustment of leveling network by information spread estimation

In practical parameter estimation, we have always chosen either Least Squares Estimation(LSE) or Robust Estimation. Since the distribution of observations is unknown, to select a correct estimation method is very difficult. It is well known that if observations include gross errors, the result of LSE will be badly containinated. On the other hand, if observations do not include any gross errors, the result of robust estimation is not as good as that of LSE. To solve this problem, Wang (1999) developed an estimation method called Information Spread Estimation (ISE) based on the information spread principle. The ISE is a very good method for estimating one parameter which is very robust. However, most of instances in surveying data processing are multi-parameters' estimation, owing to the inherent restrictions of ISE, it can not be applied to the surveying data processing directly. To apply the good method to the field of surveying data processing widely, the author has done the research deeply. This paper applies ISE successfully to the adjustment of leveling network by using the specialties of leveling.     

同时估计电离层延迟的单频精密单点定位方法

提出一种基于单频码和相位观测量的单频精密单点定位方法,将每个观测量的电离层延迟量与接收机钟差、对流层天顶延迟、接收机位置、相位模糊度一起作为未知参数。采用约化参数的平方根信息滤波与平滑算法进行参数解算。该方法适用于实时定位和事后处理,且不需要外部的电离层模型。采用全球分布的32个IGS监测站16 d实测数据进行静态解算试验,结果表明E、N、U方向的RMS分别为0.023 m、0.018 m、0.059 m;基于一组机载GPS数据进行动态解算试验,得到E、N、U方向的RMS(与载波相位动态相对定位结果比较)分别为0.168 m、0.151 m、0.172 m。     

应用选权拟合法建立单历元伪距和载波相位双差模型

本文根据选权拟合法的一个重要性质:只要被约束的那部分参数估值无偏,其余的参数估值也无偏;该性质说明利用选权拟合进行参数估计的结果是条件无偏的。这个不同于一般正则化解的重要特性可以建立单历元伪距和载波相位双差模型,并通过实例验证了该方法的可行性。     

Variance Component Estimation in Linear Inverse Ill-posed Models

Regularization has been applied by implicitly assuming that the weight matrix of measurements is known. If measurements are assumed to be heteroscedastic with different unknown variance components, all regularization techniques may not be proper to apply, unless techniques of variance component estimation are directly implemented. Although variance component estimation techniques have been proposed to simultaneously estimate the variance components and provide a means of regularization, the regularization parameter is treated as if it were also an extra variance component. In this paper, we assume no prior information on the model parameters and do not treat the regularization parameter as an extra variance component. Instead, we first analyze the biases of estimated variance components due to the regularization parameter and then propose bias-corrected variance component estimators. The results have shown that they work very well. Finally, we propose and investigate through simulations an iterative scheme to simultaneously estimate the variance components and the regularization parameter, in order to eliminate the effect of regularization parameter on variance components and the effect of incorrect prior weights or initial variance components on the regularization parameter.     

A type of biased estimators for linear models with uniformly biased data

The objective of this paper is the comparison of various types of estimators that can be used in linear models with uniformly biased data. This particular case refers to adjustment problems where the available measurements are affected by a common, unknown and uniform offset. The classic least-squares (LS) unbiased estimators for this type of models are reviewed in detail, and some additional remarks on their properties and performance are given. Furthermore, a family of biased estimators for linear models with uniformly biased data is introduced, which has the potential to provide better performance (in terms of mean squared estimation error) than the ordinary LS unbiased solutions. A number of different regularization viewpoints that can be equivalently associated with these biased estimators are presented, along with a discussion on various selection strategies that can be employed for the choice of the regularization parameter that enters into the biased estimation algorithm.     

自适应序贯平差及其应用

基于自适应估计原理和抗差M估计原理，提出了自适应序贯平差和自适应抗差序贯平差法，给出了相应的参数估值公式。计算结果证明，自适应序贯平差能有效地控制模型参数先验信息的异常影响，平衡观测值和参数先验值在参数估计中的贡献;自适应抗差序贯平差能有效地抵制观测异常和模型参数先验信息异常扰动对平差结果的影响。     

P范分布的实数阶与对数矩估计法

从参数估计的精度和算法的复杂度出发,对P范分布参数的估计方法进行了改进。根据误差分布的实际情况,引入实数阶和对数矩估计方法,建立了P范分布的参数估计的实数阶矩估计方法。首先,利用实数阶矩估计法,导出了形状参数p与实数阶阶数r的关系式,对形状参数的选取给出了相应的建议;其次,改进矩估计理论,利用对数矩估计方法导出了形状参数、期望及中误差的非线性估计公式,消除了函数截断误差对参数估计值计算的影响,并利用迭代算法给出了相应参数的解算方法和计算流程;最后,用一个模拟算例和两个实测算例分析了实数矩、对数矩和极大似然估计3种估计方法的稳定性和精度。结果说明,本文提出的矩估计方法在稳定性、精度和收敛速度等方面均优于极大似然估计方法,推广了现有的误差理论。