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。     

非线性参数估计的自适应松弛正则化算法

非线性方程参数估计存在的弊端在于非线性观测方程存在不适定问题时，以线性化平差估计和高斯牛顿为代表的经典数值算法会产生较强的不稳定特征。因此，针对传统非线性最小二乘求解不稳定且可靠性低的特点，基于稳定泛函极小准则最优化思想，提出了一种自适应松弛正则化数值算法。该算法采用正则化参数几何递增计算方法和残差最小步长准则，实现了正则参数和迭代步长计算的完全自适应，提高了非线性迭代收敛效率。以病态仿真数据和水下实测数据为例，验证了该方法的数值收敛解优于线性平差估计解，收敛效率优于迭代Tikhonov正则化方法。     

地震同震滑动分布反演的总体最小二乘方法

同震滑动分布参数与地表形变间的线性关系依赖于格林函数矩阵的构造,格林函数矩阵元素与破裂面位置、几何参数、破裂方式及位错模型假设等因素有关。本文尝试考虑格林函数矩阵元素的误差来补偿上述原因在一定程度上对反演参数的影响,采用同时顾及系数矩阵(格林函数矩阵)和观测向量两者误差的总体最小二乘方法反演同震滑动分布。首先确定了系数矩阵元素和观测向量的协因数矩阵,考虑到格林函数矩阵的病态性(秩亏),借助拉普拉斯二阶平滑得到正则化矩阵,采用总体最小二乘正则化法反演同震滑动分布。并对2009年意大利中部拉奎拉(L’Aquila)Mw6.3级地震实例进行同震滑动分布反演研究。结果表明,拉奎拉地震的走向为144.37°,倾角为59.06°,滑动分布的最大滑动量为0.95m,平均滑动角为-96.4°,主要滑动深度为4~15km的范围,地震矩为3.63×10~(18)N·m,对应的矩震级为Mw6.34。总体最小二乘与最小二乘法的滑动分布解存在一定差别,但差别的量级在10-4以内。     

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。     

线性化通用EIV平差模型的岭估计解法

通用EIV(errors-in-variables)平差模型作为经典平差模型的一般化形式,具有同时顾及多种随机误差的优势. 在通用EIV平差模型加权总体最小二乘(WTLS)的线性化估计基础上,引入正则化准则. 正则化矩阵为单位矩阵时为岭估计,添加目标函数,通过建立拉格朗日目标函数的最小化求解,导出加权通用EIV平差模型对应的岭估计解式,给出了确定岭参数的U曲线法和L曲线法. 计算了通用EIV平差模型的线性化估计、两种岭估计及其对应的方差分量值;验证岭估计对通用EIV模型的线性化估计具有促进性,可减少迭代次数,使得参数方差分量更快趋于平稳,降低参数估计的计算量.      

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。     

软土路基沉降泊松模型的正则化牛顿迭代法

基于正则化理论,通过添加正则因子到迭代矩阵中,建立了正则化的牛顿迭代法来求解泊松模型参数,给出了迭代公式;根据迭代矩阵性质,基于条件数计算理论和绝对值三角不等式原理,证明了存在正则因子使得迭代矩阵的条件数小于一定的数值,推导了迭代过程中正则因子的计算公式;结合邵阳-怀化高速公路软土路基六个断面的总体沉降板观测数据分析表明,正则化的牛顿迭代方法不仅使迭代过程顺利进行并获得比三段法更小的残差平方和值,且其预测沉降量较三段法更符合工程实际.     

基于偏差原则和正则化方法反演晴空地表BRDF和反照率

提出一种反演晴空地表反照率快速稳健的新算法——混合算法。该方法首先利用双参数模型函数确定正则参数的初始值,然后由基于Morozov偏差原则的高阶收敛算法确定正则参数,继而通过Tikhonov正则化手段来反演BRDF模型。从POLDER-3/PARASOL BRDF数据库中任意挑选不同覆盖的地表像元测量数据,与MODIS全反演法结果作比较,对比较结果给予了讨论;最后选择天津市地区的卫星图像进行反演实验,并就反演结果给出了误差分析和算法模型的评价。     

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。     

利用椭球约束求解区间平差模型的正则化方法

摘　要：以参数带区间约束平差模型为对象,针对传统的椭球约束算法存在平差结果可能不在约束条件内的缺点, 在传统椭球约束求解方法的基础上,基于最优化理论中的二次罚函数法,提出一种改进的求解椭球约束的方法,通 过对椭球特征矩阵进行加权,减小特征矩阵的半径来迭代求最优解。在模型中引入正则化项,利用Ｌ－曲线法确定正 则化参数,来解决系数矩阵病态的问题。最后,通过一个反演中的模拟病态算例比较验证算法的有效性。     

一种自适应正则MAP超分辨率重建方法

提出了一种简单、通用的基于自适应正则化技术的MAP超分辨率重建新方法，该方法可以自适应地选择正则化参数，并充分利用中间重建结果的信息，不断对其进行更新，通过迭代过程得到最终的重建影像。利用模拟序列影像和真实序列影像分别对本文方法进行了验证，结果表明，本文方法可以根据不同影像序列的特点，自适应确定相应的正则化参数，并能找到最优解，适用性较强。     

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。     

带准则参数的平差准则及其统一与解算

平差的核心问题是确定准则中的准则参数α,从而确定准则函数相对于平差参数X的极值并进行解算。首先对准则带参数的这些平差准则从形式上进行统一,然后利用虚拟观测,提出一种广泛适用的解算方法。每种带参数的准则模型都可以通过这种方法来确定准则参数和解算结果。最后用正则化方法举例,对比最小二乘和其他解法表明这种方法的可行性和优点。     

正则化滤波在反演地表光谱反照率中的应用

利用有限的卫星观测数据,通过反演地物二向性反射分布函数(BRDF)模型提取复杂地表的真实信息,是一个不适定的地球科学反演问题。为了克服离散不适定性带来的困难,在分析引起模型解不稳定的原因和数据误差传递机制的基础上,使用构建滤波函数的方法实现BRDF模型的正则化约束反演。实验结果表明,正则化滤波算法与MODIS AMBRALS算法精度相当,完全适用于具有充足观测和稀疏观测情况下的地物参数反演。     

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。     

航空重力测量数据向下延拓基于信噪比的正则化方法的研究

本文研究了正则化方法在航空重力测量数据向下延拓问题中的应用。首先对这种不适定问题的线性模型,分析了设计阵的复共线性结构与其对参数估计危害之间的关系,利用参数LS估计的信噪比提取了各个参数是否受到复共线性严重危害的信息,从而在一定程度上揭示了设计阵复共线性结构的特征。然后提出了基于信噪比的正则化方法（SNR）,以信噪比为依据构造正则化矩阵,以极小化均方误差为目标选取正则化参数。本文构造正则化矩阵无需利用附加物理或先验信息,这对于在缺乏此类信息的情况下运用正则化方法提供了新的手段。最后进行了数值试验,结果表明,本文提出的新方法（SNR）比普通的正则化方法（OR）在滤噪和保真方面表现更佳。     

重加权稀疏和全变差约束下的深度非负矩阵分解高光谱解混

近年来,非负矩阵分解NMF (Nonnegative Matrix Factorization)由于其简单有效的特点,已被广泛应用于解混。由于传统的NMF只有单层结构,不能获取隐藏层的信息,其解混效果受到制约,为了研究影像的深度空谱特征,本文在深度NMF结构的基础上,提出了一种基于全变差和重加权稀疏约束的深度非负矩阵分解(RSDNMF-TV)算法。首先,使用深度NMF模型代替传统单层NMF模型,在预训练阶段进行逐层预训练,而在微调阶段减少分解误差。其次,由于丰度矩阵是稀疏的,本文在深度NMF模型中加入重加权稀疏正则化项,其权值则根据丰度矩阵自适应更新。最后,进一步引入全变差正则化项,以利用空间信息并促进丰度图的分段平滑性。论文采用梯度下降法推导出乘性迭代规则,为验证所提出的RSDNMF-TV算法的有效性,利用模拟数据集、Cuprite数据集以及高分五号数据集进行实验,并与其他经典方法作对比,结果发现本方法具有更好的解混效果,同时具有一定的去噪能力。     

半参数估计与LS估计的有效性比较

建立半参数回归模型,将系统误差加入,推导出了模型正则化矩阵时参数平差的计算方法,并用直接法得到了参数、非参数的估计量,在MSE准则下与最小二乘估值(简称LS估值)进行比较,证明了半参数估值的有效性。     

基于正则化的地表反射特性参数反演方法

区域和全球尺度下研究气候变化,需要准确描述大气边界层处下垫面地表的光反射特性。为此,提出基于正则化的约束反演方法,其核心在于正则化参数的选取。通过L曲线拐点位置的确定,求出最合适的正则化约束参数,以稳定陆表反射特性参数的定量反演。京津唐地区数值反演试验与熵减分析结果表明,可见光红通道和近红外通道的信息指数分别为11.682 2和10.072 6;基于L曲线的地物反射特性正则化反演前后,两个通道的平均信息指数增量分别为0.440 0和0.354 6,最大增量为2.467 2和2.290 5。L曲线正则化方法的优势在于其不依赖于地表参数的先验知识,可有效解决卫星观测信息不足时地表参数的反演问题。     

线性正则化遥感反演中正则化参数的确定方法

研究了线性正则化反演中正则化参数的确定方法,提出了以香农熵减最大化为条件的正则化参数确定方法——最大熵法,并以具体遥感反演实例,和常规正则化参数确定方法比较,证明了最大熵法在观测数据误差不大的情况下有明显优势,在观测数据误差方差大、而先验知识精度较高时也显示优势。