一种改进的病态问题截断奇异值方法

截断奇异值分解方法是通过删除较小的奇异值及对应的特征向量获得病态模型的稳定解.文中首先将线性病态模型表示成近似的秩亏模型,证明秩亏模型的最小范数最小二乘解与截断奇异值解的等价性;然后,根据模型参数间的先验信息,以参数的线性函数的二次范数最小为目标,在残差范数最小条件下给出改进的最小范数最小二乘解,其实质是截断奇异值解的修正.截断参数的选取采用L曲线法.计算实例表明,修正的截断奇异值算法稳定有效,比正则化解和截断奇异值解具有更小的均方误差.     

极大可能性估计

提出了一个新的估计类——极大可能性估计。详细研究了以p次抛物线为参照函数的极大可能性估计。在以p次抛物线为参照函数的极大可能性估计中，p=1对应可能性带权绝对值和最小估计，p=2对应可能性最小二乘估计。给出了确定观测值的权的一般方法。最后结合实例说明了极大可能性估计的实用性与正确性。     

选权迭代法残差初值求解方法比较

针对抗差估计选权迭代法残差初值缺陷的求解问题,该文基于选权迭代法的基本理论深入分析了最小二乘估计、最小一范数估计和最小截平方和(LTS)3种残差初值求解方法,探究以3种方法求解残差初值为基础的选权迭代法的适用范围和抗差效果。通过实例验证表明,LTS方法残差初值具有较强的稳健性,基于LTS的选权迭代法抗差效果优于其他2种方法,具有较强的粗差探测能力。     

半参数平差模型参数的两步估计

考虑半参数平差模型L=Bx+S+Δ,xεRd,S为未知回归参数,为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然样条插值函数。其次利用偏残差法并综合最小二乘法,导出了参数和非参数的解算公式,讨论了窗宽参数的选取方法。在本文的最后,将这种估计方法应用到重力场的计算中,说明了利用半参数平差模型估计参数的有效性。     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

无先验信息的改进目标函数单历元模糊度正确率分析

基于C/A码和双频载波相位信息建立双差伪距和宽巷相位观测模型,以浮点变换方法生成模糊度备选空间,将改进的目标函数"L1相位残差平方和与L2相位残差平方和之和"替换传统的目标函数"浮点解与真解残差二次型"作为模糊度搜索的准则。18h实测静态数据的计算结果表明,在模糊度求解的正确率、可靠性和可用性方面,改进的目标函数优于传统的目标函数。     

一次范数最小估计的两种算法

测量数据服从正态分布情况下,最小二乘估计具有最优统计性质,如果测量数据受到粗差干扰而偏离正态分布,就会使最小二乘估计的最优性受到严重冲击,而且估计失实。然而,若采用一次范数最小估计,则所得结果比较好。介绍一次范数最小估计(L1估计)的两种算法——选权迭代法和线性规划法,并通过Matlab模拟实验比较这两种方法的优缺点,证明L1估计的良好抗差性。     

顾及模糊逻辑关系的稳健估计

首先给出了标准化残差受粗差污染的隶属函数，进而导出了观测误差与残差之间的模糊逻辑关系，以及观测误差属于粗差的隶属函数。最后提出了顾及模糊逻辑关系的稳健估计算法。计算结果表明，顾及模糊逻辑关系的稳健估计能有效地抵制粗差的影响，并能正确地定位相差。     

顾及模糊逻辑关系的稳健估计

首先给出了标准化残差受粗差污染的隶属函数，进而导出了观测误差与残差之间的模糊逻辑关系，以及观测误差属于粗差的隶属函数。最后提出了顾及模糊逻辑关系的稳健估计算法。计算结果表明，顾及模糊逻辑关系的稳健估计能有效地抵制粗差的影响，并能正确地定位粗差     

L1范数探测粗差失效的观测量识别方法

粗差发生时,L_1范数估计求得的条件方程闭合差较最小二乘估计(LS)的残差更能集中反映粗差,从而有助于粗差的发现与定位。然而,存在一类观测值,虽然其具有粗差发现和定位能力,但在采用L_1范数估计解决粗差探测问题时,无论含有多大量级粗差都不能准确定位,为叙述方便,称其为L_1抗差性失效点(robustness failpoint in L_1-norm estimation,RFP-L_1)。显然,只有判定测量系统不存在RFP-L_1,或存在时能够准确判断其是否含有粗差,才能保证基于L_1的粗差探测结果的准确、可靠,此过程中,RFP-L_1的识别是问题解决的基础。本文由条件方程,推导出观测值粗差对条件方程闭合差绝对值和的影响系数计算式,得到了最小影响系数大小与观测值是否为RFP-L_1的判别关系,并探讨了存在RFP-L_1的测量系统设计矩阵数值特点,提出了判断RFP-L_1观测值的方法。仿真试验表明,最小影响系数反映了观测值粗差对L_1范数估计目标函数的影响大小,非RFP-L_1和RFP-L_1的最小影响系数具有分别等于1和小于1的规律性,同时得出,若观测方程中系数矩阵只有±1和0,对应的观测量均不属于RFP-L_1。     

不等式约束M估计的均方误差矩阵和解的改善条件

缺少精确先验时,不等式约束可改善参数估计。针对不等式约束M估计,利用巴哈杜尔线性化原理和凝聚函数方法导出参数估计、残差向量以及观测量平差量线性表达式,进一步导出相应的方差协方差矩阵和均方误差矩阵。线性表达式说明不等式约束M估计通常情况下是有偏的;均方误差矩阵公式表明不等式约束M估计解有可能改善,条件是最大不等式绝对值小于所导出的阈值,阈值由M估计的第一、第二多余参数和与不等式约束有关的多余参数确定。针对正态分布和p范分布确定了Lp估计改善解的具体条件。所导出的公式和结论可用于统计分析和不等式设计。     

L1范数估计中残差的分析

对错误观测值的探测是一项富有挑战性的技术，它需要摄影测量及其他测量工作者具有在日复一日的工作中积累起来的一种专门的能力。本文主要探讨了一种稳健估计量，在有粗差出现的观测值中，它能较为满意地探测出这种粗差。现有的许多探测粗差的方法都是基于不具备稳健性的最小二乘法。本文研究的稳健估计是Ｌ１范数最小，以及关于网平差的一些独有的特征。从理论上和经验上描述Ｌ１范数残差的抽样分布，用以说明对错误观测值的统计推     

多维直线概括模型的总体最小二乘估计

针对总体最小二乘估计准则在直线拟合应用中存在的问题,该文在分析当前多种直线拟合模型及相应总体最小二乘估计方法的基础上,提出了附约束的N维直线概括模型及其总体最小二乘分步解法。首先利用间接平差方法通过迭代计算求出总体残差,然后通过条件平差分配残差到各观测量。仿真计算结果验证了该模型及方法的正确性和有效性。     

Robust估计的算法优化

本文分析了Ｒｏｂｕｓｔ估计收敛慢的原因，提出以最小二乘平差的残差（Ｖ）为初始信息，用Ｌ１估计的权函数所计算的权力初始权，根据迭代计算的残差的大小，及残差的变化所提供的信息，构造出加速收敛的算法，计算结果表明，较之一般的方法，迭代次数显著减少，辨识杠杆点含粗差的能力有较大提高，即搜索粗差的效率有很大提高。     

尺度参数的Lp估计与精度评定

根据定位参数与尺度参数的联合Ｍ估计,导出了尺度参数的Ｌｐ估计;当ｐ＝２时,与最小二乘估计一致,观测数据服从正态分布时,为最优无偏估计;由于尺度参数Ｌｐ估计的影响函数为无界函数,估计不具抗差性,但把残差Ｗｉｎｓｏｒ化,作者得到了尺度参数的抗差Ｌｐ估计;依据定位参数的协方差阵,可进行Ｌｐ估计的精度评定。这些结果对于Ｌｐ估计的研究和应用具有一定的参考价值。     

L1范数和分裂Bregman的遥感影像变分融合模型

目前,一些基于变分的Pan-sharpening方法是通过梯度下降法极小化能量泛函来实现融合,但梯度下降法在靠近极小值时收敛速度会减慢。若变分模型中包含有L1范数的不可微项时,梯度下降法存在鲁棒性不高、计算复杂的问题。该文根据L1范数能保持图像的几何纹理、分裂Bregman对含有L1范数的泛函收敛速度快的特点,在已有的变分模型基础上,将L1范数加入到模型中,构建能量泛函代价函数,并通过分裂Bregman迭代极小化能量泛函。在Worldview-2数据集上的融合结果表明,该方法可以生成同时具有高光谱和高空间分辨率的图像。     

L1范估计的巴尔达型检验及其可靠性

根据残差与真误差的Bahadur型关系,L1范估计中, 粗差几乎完全反映到相应的残差上,这就是L1范估计能正确定位粗差的原因.对L2范估计,粗差只是部分地反应到相应残差上,由此会导致粗差误判.根据L1范估计的残差及其方差, 构造了L1范估计的巴尔达检验统计量, 并讨论了L1范估计的可靠性.与L2范估计的可靠性比较,L1范估计的可靠性受多余观测的影响小.     

基于极大似然估计采样一致性准则的遥感影像配准参数解算方法研究

本文提出运用最大似然采样一致性准则解算遥感影像配准系数的方法。该方法基于极大似然估计理论,首先对初始匹配点的坐标残差进行概率建模,计算概率模型成立时的似然函数值并选择似然函数值最大时的参数为正确结果,最终剔除错误点保留正确匹配点。该方法较之传统的最小二乘方法更为准确地计算配准系数,并可以解决随机采样一致性准则解算配准参数时,对阈值的依赖问题。试验证明,该方法可提高配准参数解算的稳健性和精度。     

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.      

L1-估计线性规划解及高程控制网计算程序

L1估计常用来进行粗差定位，由于其本身的特点，一般将其化为线性规划形式来解，但所需存贮空间太大，很难在计算机上实现。本文针对误差方程式的特点，讨论了L1估计线性规划解的形式，根据推导所得的极点处目标函数的形式，