附不等式约束的总体最小二乘迭代算法

基于惩罚函数和测量平差中权的思想,提出了附不等式约束的总体最小二乘平差模型,即利用惩罚函数对不等式约束方程构造约束权,通过零权和无限权将不等式约束转换为等式约束,从而将不等式约束平差准则转化为传统的测量平差准则。同时,根据非线性最小二乘平差理论,用构造结构矩阵的方法来顾及系数矩阵的结构性,推导了附不等式约束的总体最小二乘迭代算法。该算法迭代格式与传统的间接平差类似,只需经过若干次迭代便能得到最优解。     

参数有界约束下平差模型的一种新算法

基于不确定度理论,建立参数有界约束下的平差模型。为克服不等式约束模型单边约束的缺陷,从最小二乘出发,将问题转化为附有箱型约束的二次规划问题,提出一种求解参数最优估值的新算法,并给出参数估计的统计性质。数值实验表明,新算法简单、可行,具有较快的收敛速度,并能够在一定程度上减少部分数值的部分不确定性。     

不等式约束Partial EIV模型的WHP拟牛顿修正解法及其精度评定的SUT法

提出一种确定不等式约束Partial EIV模型解及精度评定的新方法，在总体最小二乘准则下，将附有不等式约束的Partial EIV模型转换为标准最优化问题。采取WHP拟牛顿修正的SQP方法求解，并利用SUT法对参数估值进行精度评定，可以减小迭代次数、提高收敛速度，且精度评定方法简单有效。     

整体最小二乘和最小二乘拟合空间直线的比较

给出整体最小二乘法拟合空间直线的一种迭代算法。将空间直线垂直投影到坐标平面,分别采用整体最小二乘法和最小二乘法拟合直线。对坐标点等精度观测、非等精度观测和坐标分量非等精度观测3种场景进行模拟计算,比较两种方法估计的参数和验后单位权方差,并对三维激光扫描仪实测数据拟合结果进行分析。     

顾及实时位置预测信息的动态精密单点定位算法

传统模式下动态精密单点定位(precise point positioning, PPP)技术可利用动态序贯最小二乘算法进行历元递推求解，坐标参数因其时变特性，历元间不进行继承，使得动态PPP算法损失了先验位置信息的约束条件。针对该问题，提出一种顾及实时位置预测信息的动态精密单点定位算法，通过预测残差信息确定各坐标分量的自适应因子，并分析该方法的定位精度以及与采样间隔的相关性；最后利用位移平台开展形变模拟实验。数值算例结果显示，该方法能有效改善高频动态数据处理的精度，对无基准站支持下的缓变型形变监测具有一定的应用价值。     

加权总体最小二乘和RBF神经网络的三维坐标转换

分析部分变量误差加权总体最小二乘法（PWTLS）、加权总体最小二乘法（WTLS）和最小二乘法（LS）在三维坐标转换模型参数求解中的应用与影响,提出PWTLS与RBF神经网络组合的坐标转换方法。结果表明,当三维坐标转换模型系数矩阵中同时存在常数元素和重复元素时,PWTLS方法计算的单位权中误差和内符合精度均优于LS方法,且源坐标改正数较WTLS方法更加合理。PWTLS+RBF组合方法能够使PWTLS的求解参数得到有效使用,提高坐标转换精度。     

单频GPS/GLONASS组合单点定位的精度评估

利用单频伪距观测值和广播星历数据,比较不同观测值权值下GPS/GLONASS组合单点定位的结果,并讨论大气误差对组合单点定位精度的影响。利用最小二乘和卡尔曼滤波两种算法进行单点定位计算,结果表明,组合定位单历元平面位置解精度优于2.5 m,高程方向精度优于4.5 m,24小时解3个坐标分量精度均优于1 m,对于该两种算法,组合定位与单独GPS定位相比精度均有不同程度的提高。     

线性回归模型的稳健总体最小二乘解算

针对线性回归中自变量和因变量可能含有粗差的情况,提出线性回归模型的稳健总体最小二乘法。将线性回归模型进行等价变换,视其总体最小二乘平差模型为非线性,根据选权迭代的思想推导线性回归模型的稳健总体最小二乘迭代算法。以模拟算例在自变量和因变量同时添加粗差的情况下进行10 000次试验,并从中选出一组数据进行具体分析,结果验证了本文算法的有效性和可行性。     

采用误差迭代补偿的高精度相位解缠方法

最小二乘相位解缠算法是一种全局算法,快速稳定简单易实现,但该算法未绕过相位不连续区易造成误差的全局扩散,导致结果存在较大误差.针对最小二乘相位解缠算法的缺陷,提出一种高精度相位解缠方法.该方法在基于快速傅里叶变换的最小二乘解缠算法基础上,采用误差迭代补偿技术,补偿解缠误差.仿真和实测相位数据的实验结果表明,该方法可有效提高解缠精度,且在仿真实验的定量分析中得出,在强相位噪声条件下,该方法的解缠精度比最小二乘算法提高一个数量级.     

采用误差迭代补偿的高精度相位解缠方法

最小二乘相位解缠算法是一种全局算法,快速稳定简单易实现,但该算法未绕过相位不连续区易造成误差的全局扩散,导致结果存在较大误差.针对最小二乘相位解缠算法的缺陷,提出一种高精度相位解缠方法.该方法在基于快速傅里叶变换的最小二乘解缠算法基础上,采用误差迭代补偿技术,补偿解缠误差.仿真和实测相位数据的实验结果表明,该方法可有效提高解缠精度,且在仿真实验的定量分析中得出,在强相位噪声条件下,该方法的解缠精度比最小二乘算法提高一个数量级.     

空间直线拟合的PEIV模型的构建与解法

针对空间直线拟合不宜直接采用总体最小二乘算法和混合总体最小二乘算法的问题，提出一种基于PEIV模型的总体最小二乘法的空间直线拟合算法。首先将空间直线的标准方程进行变换，改写为总体最小二乘的EIV模型；然后针对系数矩阵的特点，将模型转换为更加合理的PEIV模型，线性化成类似于最小二乘间接平差形式，采用迭代的方法求解拟合参数。平差过程保证了系数矩阵重复元素的改正数一致，常数元素的改正数为零，符合实际理论；最后，通过算例比较验证了该方法的可行性和优越性。     

一种基于Partial EIV模型的圆曲线拟合解法

针对圆曲线拟合问题，以圆曲线的参数方程为基础建立圆曲线拟合的EIV模型，根据系数矩阵的特点将模型转化为更合理的Partial EIV模型，通过公式变形为最小二乘形式，采用两步迭代法求解模型参数，保证系数矩阵中相同元素的改正数一致，常数元素的改正数为零。算例数据结果表明，所提算法的可行性、拟合精度相对较优。     

基于Rayleigh商的不等精度二次曲线拟合的WTLS迭代解法

针对独立不等精度离散点的二次曲线拟合问题,以系数矩阵元素的一阶误差传播得到的方差为权倒数,采用加权总体最小二乘估计方法求解拟合参数,将加权总体最小二乘问题转化为Rayleigh商问题,从而只需求一正定矩阵的特征值和特征向量,便可通过迭代计算得到待估参数的解。该方法性能稳定且计算量较小,是针对WTLS问题的一种相对简捷高效的计算方法。     

һ���µĶ�Բ�α�־��λ���ӵIJ�ȷ���Թ��Ʒ���

?????е???α???????λ???????и???????????μ???????????С????????????λ???????????????λ?????????????????????????????????????????????μ?????????????????????????????1??75???????￡??μ??λ????????????λ?????и???????????????????????10?????????0.02???????????     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

病态加权总体最小二乘模型的正则化抗差解法

针对EIV模型系数阵病态且系数阵和观测值精度不同的情形,基于拉格朗日乘数法导出病态加权总体最小二乘模型的正则化解法,并证明已有的等权病态总体最小二乘模型的正则化解法是其特例。在此基础上,进一步提出基于中位数法的病态加权总体最小二乘模型的正则化抗差解法,并用第一类Fredholm积分方程和病态测边网两个算例验证算法的有效性。结果表明,受系数阵病态性以及粗差的影响,最小二乘解和总体最小二乘解精度较差,严重偏离真值;正则化解法在顾及系数阵和观测值误差的同时可有效削弱模型的病态性,其精度较最小二乘解和总体最小二乘解有所提升;而正则化抗差解法在正则化解的基础上,利用等价权函数重构权阵,能有效抵御粗差的影响,其精度最高。     

基于测向测时差云闪定位精度分析及布局优化

针对多站雷电定位系统中的云闪定位问题,建立4站云闪辐射源定位模型。根据探测站探测的云闪电磁波到达的时间和角度信息,结合无源定位理论中的测向测时差定位法,给出云闪定位计算方法和精度评定。利用Maltab,仿真探测站不同布站方式下的云闪定位误差分布情况。通过对比研究,得出最优布站形式,并对最优布站形式的精度影响因素进行分析。结果表明,布站形式、基线长度、探测站高度等因素均可对云闪定位精度产生影响。     

复杂观测环境下GNSS信号分类及精度评估

基于高度角、信噪比和伪距残差3个指标,采用K均值(Kmeans⁺⁺)、迭代自组织数据分析法(ISODATA)和基于密度带有噪声的空间分类法(DBSCAN)对复杂城市观测环境下的GNSS数据进行分类,并采用伪距单点定位模型(SPP)评估不同算法的分类精度。结果表明,Kmeans⁺⁺算法分类精度最优,在E、N、U 3个方向上的定位精度分别达2.56 m、3.25 m、9.73 m;相较于未采用Kmeans⁺⁺算法的定位精度分别提升57.86%、47.64%、60.98%。为进一步验证算法性能,将Kmeans⁺⁺算法与信噪比、高度角阈值法进行精度对比,结果表明,Kmeans⁺⁺算法的平面和三维定位精度均有显著改善,分别提升24.87%、39.07%（信噪比阈值法）和41.36%、59.91%（高度角阈值法）。