一元P-范分布参数估计的改进方法

当观测误差服从P范分布时,本文从P范分布的概率密度函数和统计性质出发,利用绝对矩得到了参数p和方差的合理选择公式,给出了一种P范分布的参数的估计方法,可以使误差分布更加接近真实分布.将得到的参数估值作为应用极大似然估计法进行迭代时的初值,从而减少了运算时间,提高了运算效率.同时,将模型展开为泰勒级数,取至二次项,从而使...     

EM算法的二次曲面拟合在GNSS高程的研究

GNSS高程拟合常用的是二次曲面拟合法,该方法需要控制点位分布均匀,针对实际作业中受观测条件的影响部分控制点位数据无法获取,影响到GNSS高程测量精度问题,引入期望极大算法(EM算法),提出高斯分布下的EM算法与二次曲面拟合法相结合的组合算法模型,运用高斯分布下的EM算法的二次曲面拟合法对缺失数据的控制点进行建模分析。该组合算法可以获得缺失数据下未知参数的最佳估值,可有效提高水平面的拟合精度。将某区域的高程拟合控制点作为实验数据,结果表明,组合算法模型可以对缺失数据进行高程拟合,检核点最大误差为0.8 cm,组合模型拟合精度较高。     

一元p范分布的参数快速估计方法

首先得到了一元p范分布在不同情况下的估计效率公式,给出了选择不同尺度参数时Lp估计的效率,说明了选择合适尺度参数的重要性;然后根据误差分布的实际情况,从一元p范分布的概率密度函数和统计性质出发,利用绝对矩得到了尺度参数和方差的合理选择公式。通过曲线拟合的公式,给出了一种一元p范分布的参数p的估计方法,并用两个模拟算例对本文方法进行了验证。     

半参数p-范极大似然回归

应用核权函数,在观测为误差单峰、对称的情况下,得到了一元p-范分布的半参数模型的计算公式.详细推导了p已知时一元p-范分布极大似然方程的解算公式,将半参数回归模型应用到极大似然平差的参数估计理论中,得到了一个比较好的算法.最后,构造了两个模拟平差问题,说明了此方法的优越性.     

基于矩估计法的P范分布参数估计

P范分布的参数估计值的精度对观测值的估计效率和数据处理的精度影响较大。从观测值分布的实际情况和简化运算出发,引入二/四阶矩估计方法估计P范分布的形状参数和方差,给出了二/四阶矩估计法的形状参数的近似计算式。为了进一步提高估计效率,引入对数期望矩估计法,将绝对矩与对数绝对矩相结合,导出了基于对数期望矩估计法的P范分布形状参数p、方差σ的合理估计表达式。最后利用两组模拟数据对该模型和计算方法的正确性进行了验证,并与传统极大似然估计方法进行了对比分析。结果表明,当样本数较少时,二/四阶矩估计法和对数期望矩估计法在收敛性、稳定性和准确性等方面优于极大似然估计法。     

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。     

遥感图像最大似然分类方法的EM改进算法

基于参数化密度分布模型的最大似然方法（MLC）是遥感影像分类最常用手段之一，与其他非参数方法（如神经网络）相比较，它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点。但是由于遥感信息的统计分布具有高度的复杂性和随机性，当特征空间中类别的分布比较离散而导致不能服从预先假设的分布，或者样本的选取不具有代表性，往往得到的分类结果会偏离实际情况。首先介绍了用基于有限混合密度理论的期望最大（EM）算法来作为最大似然函数（MLC）参数估计的方法－EM－MLC。该模型首先假设总体混合密度分布可被分解为有限个参数化的高斯密度分布，然后把具有先验知识的样本与随机选取的未知样本混合在一起，通过EM迭代计算来估计出各密度分布的最大似然函数的参数集，从而一定程度上避免了参数估计可能出现的偏离。最后，本文提出了基于EM－MLC遥感影像分类的具体实施流程和应用示范，并与一般最大似然方法（MLC）得到的分类结果进行了定性和定量的综合比较，认为EM－MLC在精度上得到了提高。     

奇异值检验中的混合模型及EM算法

本文提出了奇异值检验中的一种新模型——混合模型,推导了简单样本和一般线性模型下的参数估计公式,并引入了一种有效的迭代计算方法——EM算法。     

L_p平差解的性质及抗差估计

本文首先分析了L_p平差的统计意义,证明了当观测误差服从p-范分布时,参数的极大似然估计即为L_p解。同时讨论了L_p的迭代解法及收敛性,给出了用改进的线性规划求L_1、L_∞解的方法。证明了L_p迭代解及L_1、L_∞严密解都是参数的无偏估计,同时构造了与L_p平差P值无关的单位权方差的无偏估计公式,并对L_p平差的效率作了讨论。最后分析了L_p平差与抗差估计的关系,给出了一种基于L_1解的抗差估计方法。     

统计假设检验方法在全极化SAR变化检测中的应用

本文以全极化SAR数据为研究对象。由于全极化数据相干矩阵T3或协方差矩阵C3服从复wishart分布,所以首先在此分布的基础上利用统计假设检验方法构建似然比参数,用以表征地表地物的变化程度,然后利用基于广义高斯分布模型的EM迭代算法(GGM-EM)对变化信息进行初提取,最后充分考虑上下文信息,利用概率松弛迭代算法对初检测信息进行优化。该方法不仅全自动提取变化信息,而且经过非相干平均、初始分类、分类结果优化3次降斑去噪处理,因此检测精度较高。通过与传统对数比值法的比较,证明该方法的有效性。     

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...     

震后GPS坐标时序中对数弛豫时间的估计

全球定位系统（global positioning system, GPS）坐标时序去除同震形变和震前稳态速度场后,采用加权非线性最小二乘估计震后对数弛豫时间,可更准确地提取震后对数弛豫项,从而可以分析震后弛豫项对测站位移的独立物理贡献,并为震后余滑和黏滞性松弛效应等现象的分析提供参考。以日本2009—2019年GPS坐标时序为例,估计2011年Mw 9.0地震震后对数弛豫时间,发现不同站点的对数弛豫时间与其震中距关系显著,且服从高斯分布。据此,构建高斯函数加常数模型,可由震中距概略估计震后对数弛豫时间。高斯分布曲线的峰值、峰值位置、半宽度信息、最低位置分别为3.5 a、0 km、262 km、0.5 a,由此得出震后对数弛豫项影响时间大于0.5 a的站点主要集中在震中距约524 km范围内。震后弛豫效应区域分布的差异性显著,对数弛豫时间越长的区域,弛豫项水平位移表征越大,其中存在两个平均弛豫时间2.5 a的中心区域,与震后余滑的中心区域及时间相吻合。     

面向多波束测深数据的双向布料模拟自动滤波算法

针对现有多波束测深数据的滤波算法需要人工干预且难以实现自动滤波的问题,在布料模拟滤波基础上,提出了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波算法。首先,基于二次曲面（Levenberg-Marquardt）算法拟合构建传递式迭代趋势面,消除海底负异常数据;然后,构建BCSF修正模型,确定最终海底滤波面,解决海底凹凸地形或具有成簇噪点的复杂海域地形容易产生的过度滤波问题;最后,对分类海底点与非海底点的距离阈值进行了自适应优化与估计,进一步提高BCSF滤波结果的准确性。将所提算法应用于实测多波束测深数据,实验结果表明,与布料模拟滤波相比,所提算法不仅克服了过度滤波的缺陷,而且实验区域的整体测试数据的噪点剔除率从12.87%下降到0.76%,局部测试数据的噪点剔除率从15.29%下降到1.09%;与基于不确定度理论的多波束测深滤波相比,所提算法更加简洁,易于技术实现,人工干预很少,保留了更多的地形细节,具有较好的鲁棒性和应用前景。     

利用哈尔变换和高斯随机数进行矢量空间数据坐标加密

基于安全保密的考虑,需要对矢量空间数据进行加密,现有做法是对数据文件整体进行加密,会破坏矢量空间数据结构并影响属性数据的查看。提出了一种不改变矢量空间数据结构,仅对坐标数据加密的方法,能够保护数据的安全且矢量数据结构依然保持不变。运用SHA-512加密用户密钥得到哈希密钥,用高斯随机数置乱哈希密钥生成用来加密坐标数据的密钥。首先读取矢量空间数据的顶点序列,并对矢量数据的顶点坐标序列进行哈尔变换,使用上述密钥对哈尔变换后的均值系数和差值系数进行加密,再实施逆哈尔变换得到加密后坐标,使用高斯随机数置乱顶点序列得到加密后的矢量空间数据。实验结果表明,矢量空间数据的坐标被加密,但文件结构及属性数据完全保持不变,且运行效率高;拥有密钥的用户还可以解密坐标,还原出原始矢量空间数据,安全性高。     

非线性反演算法的综合评价对比

结合蒙特卡罗方法的精度评定特点,提出了一种将偏差和中误差作为评价指标的综合评价公式.利用所提出的综合评价公式评价神经网络算法(neural network algorithm,NNA)、基因遗传算法(genetic algo-rithm,GA)和模拟退火算法(simulated annealing,SA)在火山复式位错...     

动力学模型自适应滤波算法研究

在全球导航卫星系统（global navigation satellite system,GNSS）动态测量中,常采用Kalman滤波进行导航解算。但是,载体运动的不规则性经常会导致动力学模型偏差增大,从而出现定位精度下降的问题。针对此,在实时估计协同转弯模型（coordinated turn,CT）转弯率的基础上提出了两种减弱动力学模型偏差影响的自适应滤波算法。一种是实时估计转弯率的CT模型与改进的椭球约束方程相结合的滤波算法;另一种是通过对载体运动规律的分析,推导了实时估计转弯率的三维转弯模型,提出了一种三维转弯模型与新息向量构造的自适应因子相结合的自适应滤波算法。实验结果表明,这两种算法在不同的机动情况下都能较好地控制动力学模型误差的影响,其精度明显优于标准Kalman滤波和CT模型与常速度模型相结合的滤波算法。尤其是第二种算法,不仅通过自适应估计提高了动力学模型的精确性,还通过自适应因子进一步控制了动力学模型扰动的影响,显著提高了动态导航解的精度和可靠性。     

Galileo校正卫星天线参数特性及对PPP定位的影响

与先期采用消电离层组合仅估计相位中心偏差(phase center offset, PCO)参数不同,欧洲的伽利略（Galileo）系统发布的地面校正的卫星天线参数基于原始频点,且包含天线相位中心变化(phase center variation, PCV)参数。为此,分析了校正的卫星天线参数特性,发现其水平向PCO与卫星类型相关,FOC(full operational capability)卫星的PCV参数较IOV(in-orbit validation)卫星稳定,仅依赖天底角。利用20个MGEX (multi-GNSS experiment)测站连续15 d的数据分析校正天线参数对双频组合/ 非组合精密单点定位（precise point positioning, PPP）的影响, 并与消电离层天线参数的定位结果比较,结果表明,其水平方向精度基本一致,双频组合PPP高程方向的精度提高约6.3%,双频非组合高程方向的精度提高约11.9%,基于原始频点的校正天线参数在双频非组合PPP定位中表现出更优的自洽性。     

一种多尺度自适应点云坡度滤波算法

点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法.首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波...     

利用距离变换模型进行卫星影像与激光点云精配准

卫星影像可以低成本、高频率地提供地物光谱特性观测信息,而激光点云可以提供精细的几何结构,两类数据的融合可以实现优势互补,进一步提高地物分类和信息提取的精度和自动化程度。实现亚像素级精度的几何配准是实现两类数据融合的前提,提出了一种基于线元素距离变换模型的快速配准方法。该方法以点云为控制源,将点云中的建筑物边缘等典型线元素通过卫星影像的初始有理多项式系数(rational polynomial coefficient, RPC)投影到像方空间,与卫星影像中的线元素进行迭代最近点配准,从而通过RPC参数精校正的方式实现几何配准。采用距离变换模型作为迭代最近点搜索的查找表,提高了运算效率;采用最新的渐进式鲁棒求解策略,能在噪声极多的情况下保证配准的鲁棒性。采用GeoEye-2、高分七号、WorldView-3等卫星影像与激光点云进行了配准实验,并分别通过人工精确量测的外业控制点和作业员内业刺的控制点作为检查,证明所提方法能在3种影像上达到0.4～0.7 m的配准精度,显著优于将点云映射为二维图像然后通过多模态匹配进行配准的策略。     

顾及交叉路口和车辆模态的轨迹重构与分析

由于数据传输和存储成本的限制,大多数轨迹数据采样率低且不确定,而城市精细模型往往需要高频轨迹数据,例如,微观交通碳排模型需要时间间隔为1 s的轨迹数据。因此,对低频轨迹数据进行高频重构有非常重要的意义。提出了一种顾及交叉路口和车辆模态的轨迹重构方法,采用高频轨迹数据训练车辆运动模态的理论概率模型,结合交叉路口来确定低频轨迹点之间的模态序列,并通过遗传算法求解理论概率模型来完成各模态时间和距离的分配,进而完成轨迹点的高频重构。结果表明,所提方法重构轨迹的均方根误差（root mean square error,RMSE）值相较于传统的数学插值方法降低了62.9%,相较于未考虑交叉路口的模态方法,降低了12.2%。因此,该方法在低频轨迹数据重构中具有很好的应用价值。