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。     

基于信噪比检验的部分奇异值双参数修正估计

从分析LS估计和岭估计的奇异值展开式出发,研究了病态性问题的解算方法。岭估计中岭参数对较大奇异值的修正不能有效降低估计的方差,却增大了估计的偏差,这是导致岭估计有时效果不好的重要原因。首先借鉴TSVD思想,保留展式中较大奇异值所对应的项,然后修正展式中较小奇异值所对应的项。在修正前,利用信噪比检验,将各个参数按受到复共线性危害的大小分为两类,据此作出不同强度的双参数修正,提出了基于信噪比检验的部分奇异值双参数修正估计。实验结果表明,新方法的解算精度较高。     

岭参数确定的研究

中文阐述了多种岭参数确定方法的原理,如岭迹法、L曲线法、两步解法、GCV法和双h公式法,应用数据编程比较了各种岭参数计算方法所得的结果及对最小二乘估计的改进效果.结果表明,L-曲线法易于确定岭参数,是一种确定岭参数的良好方法.此外,两步解作为另一种解算病态问题的方法,不仅要明显优于LS估计,并且改善了L-曲线法的计算结...     

附有奇异值修正限制的改进的岭估计方法

最小二乘估计具有无偏性,而岭估计是一种有偏估计,它通过引入偏差降低方差来降低均方误差。在模型出现病态时,岭估计优于最小二乘估计。对岭估计的方差与偏差进行分析发现,岭估计通过修正病态矩阵的奇异值降低均方误差,但对部分较大奇异值的修正不能有效降低均方误差。通过比较修正奇异值的方差下降量与偏差引入量的大小关系确定需要修正的小奇异值,进而改进岭估计方法,实现选择性地修正小奇异值,提出附有奇异值修正限制的改进的岭估计方法,可有效改善岭估计的解算效果和可靠性,实验验证了新方法的可行性和有效性。     

基于信噪比检验的双截断奇异值估计

将复共线性对参数估计危害的度量结果与截断奇异值估计相结合，提出了基于信噪比检验的双截断奇异值估计。利用信噪比检验，根据每个参数最小二乘估计信噪比估值的大小将待估参数分为受复共线性危害较大和较小的两部分，并对这两部分参数的截断奇异值估计进行不同强度的截断。对受复共线性危害较大的部分参数，使其截断参数相对较小，对受复共线性危害较小的部分参数，使其截断参数较大。这种精细化的处理在有效降低参数估计方差的同时减少了偏差的引入。将基于信噪比检验的双截断奇异值估计应用于GEO卫星定轨仿真算例中，实验结果表明，新方法的解算精度较高。     

病态总体最小二乘平差方法的比较与分析

Tikhonov正则化和截断奇异值法是解算病态总体最小二乘问题的有效方法。本文对比分析了Tikhonov正则化总体最小二乘算法和截断奇异值分解法二者各自的适用范围,通过两个算例分析表明,Tikhonov正则化算法适用范围广,可以有效地处理病态总体最小二乘问题,而截断奇异值分解法适用范围窄,仅适用于增广矩阵的奇异值呈阶梯型分布的情况。     

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。     

单频GPS快速定位中病态问题的解法研究

研究只利用少数历元GPS载波相位观测值进行快速定位时的新解法.在分析病态法矩阵结构特性的基础上,基于TIKHONOV正则化原理,提出一种选择正则化矩阵R的新方法,减弱法方程的病态性.与其他方法相比,新方法得到与模糊度准确值更接近的浮动解及其相应的均方误差矩阵.结合LAMBDA方法,用均方误差矩阵代替协方差阵确定模糊度的搜索范围,可准确快速地确定模糊度,最后得到基线向量的解.结合算例,将新解法与最小二乘估计、岭估计和截断奇异值法分别结合LAMBDA方法解算模糊度的结果进行比较分析,展示新解法的效果.     

奇异值分解法在病态问题中的应用

用截断奇异值分解法和修正奇异值分解法对大地测量病态问题进行了处理,并与最小二乘的结果进行了比较,最后将两者方法进行结合同样对病态方程进行了处理,得到了结合奇异值分解的解,并与截断奇异值、修正奇异值分解的解以及真值进行比较,发现结合奇异值分解的解即修正奇异值截断法比截断奇异值和修正奇异值的解更加靠近于真值,修正奇异值截断法相比于截断奇异值和修正奇异值法对于病态方程抗干扰能力更强,更具有实际意义。     

附有病态约束反演问题的岭估计法

提出了处理附有病态约束矩阵的等式约束反演问题的岭估计解法,推导了相应的求解公式及均方误差评定精度的方法,给出了确定附有病态约束矩阵的等式约束反演中岭参数的岭迹法、广义交叉核实法和L曲线法。算例比较了三种确定岭参数的方法在处理附有病态约束矩阵的等式约束反演问题中的优缺点,并与截断SVD法进行了对比分析。     

大地测量地震断层同震滑动分布反演的两步解法

针对同震滑动分布反演中系数矩阵出现病态的问题，提出两步解法，并在两步解法反演过程中引入拉普拉斯二阶平滑矩阵进行平滑约束。该方法不仅改善了系数矩阵的病态问题，同时也很好地抑制了相邻断层面间出现大的梯度变化。在两步解法反演过程中，用L曲线法确定正则化参数。系统模拟实验表明，对于最大滑动量，该方法的反演结果较一步最小二乘法的反演结果精度提高了3.34%~19%；对于均方根误差，该方法的反演结果较一步最小二乘法减小了3.3%~13.3%。芦山地震反演结果表明，利用两步解法进行滑动分布反演是可行的。     

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件，构造了相应的检验统计量，推导出的条件式及其相应的假设检验适合于各种正则化矩阵类型的Tikhonov正则化方法。     

SGG重力场球谐系数正则解的误差估计方法

重力梯度为重力位的二阶导数,可以通过星载梯度仪进行观测。重力场球谐函数系数可以通过正则化方法由重力梯度算出。本文在对正则化方法分析的基础上提出了估计球谐函数系数正则解误差的方法,为我国今后发射重力梯度卫星提供技术准备。     

Bursa模型用于局部区域坐标变换的病态问题及其解法

GPS应用经常涉及坐标变换。用局部区域的GPS网数据求解的3维坐标变换模型的转换参数时,求得的转换参数特别是平移参数的精度较差。这是由于GPS网的范围太小,引起平移参数与旋转参数间存在强相关性,导致解算模型病态。正则化解法是求解病态方程的有效工具,本文探讨用正则化方法解算小范围GPS网3维坐标变换的转换参数,以提高转换参数的解算精度,扩大参数的使用范围;给出只对平移参数进行正则化的计算模型。500次模拟计算结果表明:正则化解参数转换外围点坐标的精度在统计上明显优于最小二乘解;且随外推距离增大,精度几乎成线性降低。     

航空重力向下延拓的误差影响分析

本文从分析航空重力向下延拓过程中偶然误差和系统误差的变化特性入手,进而提出处理办法。首先,利用试验说明移去恢复法局限性,同时表明需处理系统误差和偶然误差的必要性。然后,采用理论推演和数值模拟计算分别估计了系统误差和偶然误差影响,试验结果发现:系统误差影响和偶然误差影响均与数据格网间隔、向下延拓高度呈线性关系,当格网化间隔较小和延拓高度较高时系统误差影响和偶然误差影响较大。最后,提出使用半参数模型和正则化算法的两步法估计系统误差和减弱偶然误差影响,试验结果说明两步法处理向下延拓各类误差影响优于仅用半参数模型或正则化算法的结果,在试验数据的偶然误差标准差为2×10~(-5) m/s~2、恒值系统误差3×10~(-5) m/s~2和变值系统误差标准差约1.3×10~(-5) m/s~2时,以及向下延拓高度6.3 km和格网间隔6′的条件下,两步法向下延拓结果的精度可达2.3×10~(-5) m/s~2。     

大地测量与地球物理中病态性问题的正则化迭代解法

大地测量与地球物理中需要求解的大规模超定线性方程组常常具有病态性,在使用共轭梯度法求解时必须克服病态性的危害影响,本文对此进行了研究,利用正则化思想改进共轭梯度解法,提出了基于条件数控制的正则化迭代解法。首先通过构造干扰源向量,推导了与法方程同解且病态性大为减弱的新的解算方程,然后用共轭梯度迭代法对新方程求解,最后通过航空重力向下延拓等数值试验验证了新解法的有效性,并且将其与LS、CG、Tikhonov等方法比较,结果表明新方法的精度最高。     

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。     

改进的果蝇优化与Tikhonov正则化相结合的病态问题稳健解法

在对基本果蝇优化算法的优化流程进行深入分析的基础上,通过改变其随机搜索方向与增加搜索半径调整系数,给出了一种改进的果蝇优化算法(IFOA)。并在IFOA算法的目标函数中引入正则化项,提出了将IFOA算法与Tikhonov正则化方法进行结合以进行病态问题解算的方法。通过实例分析表明:该方法的解算精度要优于遗传算法和单一的Tikhonov正则化方法;在观测值含有粗差时,使用最小二乘法进行求解,其结果与真值的偏差会迅速增大,而此时本文方法的解算结果具有一定的稳健性。与以遗传算法为代表的智能搜索方法相比,本文方法具有参数设置少、计算速度快、寻优过程简单等特点,在病态问题解算中更具有实用性。     

均方误差意义下的正则化参数二次优化方法

Tikhonov正则化法是大地测量中应用最为广泛的病态问题解算方法之一。影响正则化法解算效果的重要因素是正则化参数,然而,最优正则化参数的确定一直是正则化解算的难题,如L曲线法确定的正则化参数具有稳定性好、可靠性高的优点,但存在过度平滑问题,导致正则化法对模型参数估值精度改善较小。本文从均方误差角度分析了正则化参数对模型参数估计质量的影响。基于奇异值分解技术,提出了由模型参数投影值分块计算均方误差的方法,避免了均方误差迭代计算,并基于均方误差最小准则给出了正则化参数优化方法,实现了对L曲线正则化参数的优化。数值模拟试验与PolInSAR植被高反演试验结果表明,正则化参数优化方法有效改善了正则化法解算效果,提高了模型参数估计精度。     

病态总体最小二乘问题的广义正则化

总体最小二乘(TLS)算法可以视为一个降正则化的过程,对比最小二乘算法,病态总体最小二乘方法的解受系数阵数据误差和观测值误差的影响将更为严重。本文探讨用广义正则化的方法降低病态性对总体最小二乘数值求解的影响,以提高求解结果的稳定性。通过多组算例结果表明,本文采用的广义正则化方法在处理病态总体最小二乘问题上具有明显的优势。