测角网坐标平差模型的Bootstrap参数估计方法

针对线性最小二乘法处理非线性模型产生模型误差的问题,文章将高斯牛顿迭代法引入测角网坐标平差模型中,给出测角网坐标平差模型的高斯牛顿迭代法计算过程.考虑到非线性平差模型的参数估计值是有偏估计,结合Bootstrap重采样方法对参数估值进行改善,提出测角网坐标平差模型的Bootstrap参数估计方法,并给出详细的迭代流程图.针对等精度与不等精度角度观测数据,设计两个测角网案例.实验结果表明,测角网坐标平差模型的高斯牛顿迭代解法能够削弱线性近似带来的模型误差影响,其参数估值优于传统的线性近似方法;而测角网坐标平差模型的Bootstrap参数估计方法比高斯牛顿迭代解法在提高测角网坐标平差参数估值质量方面更加有效.实验证明将高斯牛顿迭代解法应用于测角网坐标平差模型的必要性与实用性,也证明将Bootstrap重采样参数估计方法与高斯牛顿迭代解法结合并用于测角网坐标平差的可行性与有效性.     

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。     

乘性误差模型参数估计及精度评定的Sterling插值方法

乘性误差模型加权最小二乘参数估值是观测值的非线性函数,观测值的权是加权最小二乘参数估值的非线性函数.已有的乘性误差模型参数估计方法理论上可以达到二阶无偏,但精度评定方法只能达到一阶精度,并且参数估计逐步的迭代过程使得参数及改正数的每一步估值都具有随机性,使得最终的参数估值与观测值为复杂的非线性关系.考虑到非线性迭代过程...     

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.     

顾及噪声密度函数差异的自适应回归算法及其在人工标靶提取中的应用

仪器、周围环境和人为操作等往往会造成点云中包含大量的噪声,导致模型回归精度低等问题.RANSAC算法凭借其简单实现、稳健的优势广泛应用于解决模型回归的问题.但是,针对不同的场景,RANSAC算法需要不断地调整参数来估计最优模型解.本文考虑到RANSAC及其现有改进算法的不足,以及内群点与噪声之间往往存在密度分布差异性,首先利用密度加权导向采样的方式优化初始假设模型,然后提出了一种空间密度函数以用于最优模型评价和迭代次数计算,整个过程不需要任何先验知识.本文方法能够解决内群点比率大于10％ 的模型回归问题.通过与已有方法的试验对比,本文方法能够在无先验信息的情况下具有较高的精度和稳健性.     

不同采样与插值方法的DEM质量分析

通过编程实现数字高程模型DEM数据采集的随机采样、规则采样和成层随机采样的3种算法;再对某一地区的格网大小为30 m×30 m的栅格格式的高程数据进行采样,使用克立金法(Kriging)、样条函数法(Spline)和距离倒数加权法(Inverse Distance Weighted)3种插值方法分别对采样数据进行插值;然后计算出平均高程值之差的绝对值、中误差和单点最大误差.通过分析发现,成层随机采样与距离倒数加权插值组合适合于对高程总体偏差要求较高的应用;规则采样与样条函数插值组合适合于对相对高程要求较高的应用.     

基于规则格网的DEM插值实验

通过地形建模,将6个地形隶属函数按照101×101,112×112,126×126,144×144,168×168,201×201,257×257 7种格网密度生成6种局部地形单元的规则格网DEM;使用反距离加权(IDW)等7种插值算法,将前6种格网密度下的DEM插值成257×257规格;从原始257×257DEM中随机抽取检查点计算残差,并对残差中误差进行分析。通过分组插值实验,运用控制变量法、方差分析等方法研究地貌类型、采样密度和插值算法对DEM插值精度的影响。     

关联概率密度加权重力异常UKF滤波匹配导航算法

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法。利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差。针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法。通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优干传统加权算法和纯惯性导航系统的定位精度。     

对F-J方法中采样算法的改进

介绍了基于贝叶斯理论的线性-非线性模型的反演方法(F-J方法),在理论上可以求出模型参数的概率分布,可以通过马尔可夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)采样估计参数值及其精度。为了评估F-J方法反演效果,给出了线性-非线性模型的最小二乘方法以及假设检验步骤。针对MCMC采样算法中参数的随机游走步长会影响最佳采样数量的问题,对采样算法作了改进,模拟数据算例表明,改进的采样算法基本消除了部分参数游走步长选取不合适对确定采样次数的影响,解决了随机游走采样难以确定最佳采样点数量的问题。     

基于MRPs估计航天器姿态的IUKF算法及改进

航天器姿态确定的模型具有严重的非线性性.而采样卡尔曼滤波(UKF )通过采用一组确定性采样得到的Sigma点比扩展卡尔曼滤波(EKF)能够更准确地近似初始分布,使滤波在不准确的初始条件下更快地收敛.利用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,利用UKF的改进算法迭代采样卡尔曼滤波(IUKF)对航天器的姿态进行估计.在分析IUKF 性能的基础上进一步对IUKF算法作了改进,通过仿真算例将3种方法进行了比较.结果表明:IUKF及改进IUKF算法姿态参数的滤波精度比UKF更高,同时改进IUKF算法比IUKF的滤波能更快趋于稳定.     

一种迭代法的圆曲线拟合方法

针对在实际测量工作中量测圆心坐标及半径时存在的问题,该文基于迭代法的思想,推导了一种圆曲线拟合的方法,并用实例数据进行了检验。结果显示,该方法在离散点均匀采集或非均匀采集的情况下均具有良好的拟合效果,与目前在圆曲线拟合方法中普遍采用的最小二乘法相比,具有同样高的拟合精度,验证了该拟合方法的正确性与可行性。     

Gradual developing method

Conclusion The idea which this paper represents here has hot been subjected for test and is but a skeleton discussion. It is believed that it may be helpful to the geodesists when the solution of a large sclae linear simultaneous equations is to be considered.     

一种大椭圆航法导航参数计算方法研究

针对现代精确航海中的大椭圆航法导航参数计算问题,文章在分析了已有方法的基础上,通过解析几何中的空间向量分析方法对导航参数计算公式进行推导,得出了两种不同情形下大椭圆航法航程、航向角与偏航量等参数的新计算公式,然后通过算例对导出的公式精度进行验证。结果表明,公式计算精度较高,满足远距离、高精度的导航要求。同时,本文的方法具有计算公式简洁、易于实现的特点,适用于GIS环境下精确航海计算。     

半参数模型估计的补偿最小二乘法与正则核方法

本文根据测量数据处理中利用半参数对系统误差去除的效果,提出了半参数补偿最小二乘法和正则核方法两种方法进行比较.两种去除系统误差的方法都存在着局限性,应该根据系统误差的具体情况,选择不同的方法;最后通过模拟算例去除系统误差,并与实测数据进行拟合验证两种方法的可行性.     

最小二乘法和迭代法圆曲线拟合

为了提高形变监测中圆曲线拟合的精度,该文在总结已有的圆曲线拟合方法的基础上,推导了一种基于最小二乘法的圆曲线拟合方法:以原半径与拟合半径的几何距离差值平方和最小为准则,在计算过程中再结合迭代法,在离散点非均匀采集的情况下有效地提高拟合精度。最后运用程序对模拟数据及实例数据进行了处理分析,结果证明该拟合方法是可行的。     

基于空间基准线的水平位移监测方法探讨

常规水平位移监测方法,如视准线法、小角度法、极坐标法等受场地条件限制较大,应用中受到一些限制。文中提出一种新的水平位移监测方法——空间基准线法,此方法受场地限制小,设站灵活,并能保证监测的精度和可靠性,已在工程实践中取得良好的效果。     

多策略中文地址匹配方法

地址匹配是地理编码过程中一个关键环节,是实现数据空间化的关键技术之一。针对当前中文地址匹配方法的精确率、匹配率和时间开销不能兼顾的问题,本文提出了一种多策略中文地址匹配方法。通过建立轻量级的词典进行中文地址分词,同时构建多叉树存储分词后的地址数据,匹配过程中结合模糊匹配和层级回溯匹配共同完成地址匹配工作,最终基于真实数据进行了试验。试验结果表明,该方法在匹配率、精确率和时间开销3个指标上较当前其他匹配方法表现得更加均衡。     

机载LiDAR航带法区域网平差方法研究

机载LiDAR数据即使经过良好的检校仍可能呈现残余系统误差。由于残存系统误差和偶然误差的影响,测区各个航带间精度不一致且均存在变形,本文借鉴摄影测量区域网平差的思想,提出一种机载L iDAR区域网平差方法,以单航带作为基础,把几条航带或一个测区作为一个解算的整体,同时求得整个测区内全部激光点改正坐标,对航带网进行非线性变形改正。实验表明,使用本文提出的平差方法获取最终点云的精度优于经典航带平差方法获取的结果。     

序列无人机影像拼接方法研究

无人机影像具有数量多、畸变大、POS数据不准确等特点,导致其在拼接过程中会产生大量的累积误差,要快速地获得大范围准确的全景图有一定的困难。基于此,提出一种既精确又高效的无人机序列影像拼接方法。首先计算大致的影像匹配区域,减少特征搜索和匹配的时间,同时记录匹配区域中心位置的特征点坐标,引入平差理论,区分平地、丘陵、山区等不同区域加权纠正匹配特征点的坐标位置。同时针对航带间重叠率小、姿态差异大等特点,采用"先航带间再航带内、旁边航带向中间航带靠拢"的拼接方式,减少整体区域的累积误差产生,最终完成全局影像的拼接。     

全波形激光雷达回波分解方法

全波形激光雷达的回波中携带了被测目标的距离与特征信息,为了获取这些信息,本文提出了一种回波分解方法。本方法将原始的全波形回波分解为几个独立的高斯脉冲,并得到其函数表达式,从而提取出被测目标的距离等信息。分解过程中,首先,采用可变阈值的经验模态分解滤波法(EMD-soft)对原始波形进行滤波和噪声水平评估;其次,采用一套应对多种波形组成的初始参数估计方法,获取后续拟合所需的初始参数;最后,采用LM(Levenberg-Marquardt)优化算法对回波进行拟合优化,从而获取全波形回波中包含的独立高斯脉冲及其函数表达式。仿真波形的分解实验表明,分解误差在0.1 ns量级,换算成距离误差为15 mm,通过实验室自制的全波形激光雷达实验系统获取的回波的分解实验表明,分解的距离误差小于0.1 m。对比另外两种高斯分解方法对于相同仿真与实验数据的分解结果可以看出,本方法在分解成功率与精度上都有较大的提高。回波分解后的独立高斯脉冲中,除距离外还含有被测目标的反射率、粗糙度、面型等丰富的信息,回波分解方法作为回波分析的基础,将在遥感、测绘等生产与科研领域中发挥非常重要的作用。