半参数平差模型估计量的精度评定

将半参数估计理论引入测量数据处理理论中,利用Blight和Ott提出的思想,用多项式函数来表示半参数平差模型中的非参数分量,从而得到了半参数平差模型中参数分量和非参数分量的Bayes估计量,通过理论证明,半参数模型参数分量的Bayes估计为通常意义下高斯马尔可夫模型参数估计值与参数期望的加权平均,是一致、渐近无偏和渐近有效估计量,并且其方差小于参数模型中参数估计量的方差。在一定情况下推广了平差理论,具有一定的理论价值。     

附加约束条件的序贯平差

从观测量分组的参数平差出发,详细推导了附加约束条件的序贯平差及其精度估计,讨论了附加约束条件的抗差序贯平差的计算过程.算例表明,推导的公式正确有效,简单实用,附加约束条件的序贯平差抗差估计能有效地抵制粗差的影响.     

抗差最小二乘配置在数字化地图几何纠正中的应用讨论

抗差估计具有较好的抗拒异常观测值及粗差的能力,而最小二乘配置又能较好地处理系统误差,本文结合两者的优点,利用抗差最小二乘配置对数字化地图进行几何纠正,其中对协方差函数采用抗差拟合,得到了较好的结果。实验证明在GIS数据处理的扫描数字化地图几何纠正中,抗差最小二乘配置在抗拒异常值和处理系统误差方面优于单纯的最小二乘估计和单纯的最小二乘配置方法。     

附非负约束平差模型的最小二乘估计

研究了不等式约束下的平差问题,即先将不等式约束的最小二乘问题转换成凸二次规划问题,然后求其最优解.给出了几个判定最优解的充分必要条件,以及非负约束下的平差问题参数最小二乘估计的一般形式,并给出了简明的算法.模拟实例说明,此算法可以很好地应用于实际测量中的平差计算.     

基于载噪比及参数先验信息的抗差模型

结合GPS应用的特点,建立了一种综合载噪比(C/No)及参数先验信息的抗差模型.试验结果表明该模型具有更高的抗差性能,从而能更有效地削弱GPS观测量中各种误差的影响.     

基于岭估计的有理多项式参数求解方法

在使用最小二乘法解算卫星遥感影像的RPC参数时,如果控制点非均匀分布或模型过度参数化,其法方程系数矩阵很容易产生病态,获得的解将偏离真值,甚至得到错误的解.使用岭估计可改善法方程的状态,保证解稳定.采用岭估计方法,通过所获取的不同岭参数对SPOT和QuickBird影像进行实验,证实L曲线法是一种稳定的、有效的岭参数确定方法,可显著提高RPC参数的解算精度.     

误差熵的估计问题研究

指出了具有复杂分布的随机量的总体熵的估计问题,首次给出了估计熵的最小截断误差限.推导了样本熵的近似估计公式,引入最优窗宽、全局最优窗宽的算法,首次解决了样本熵的估计值不惟一的问题.     

一种基于Helmert方差分量估计的Vondrak滤波方法

从基于Helmert方差分量估计的Vondrak滤波方法(简称HVF法)的基本假设入手,介绍了HVF方法,该方法能够在未知拟合函数的情况下,通过自动选择合理的平滑因子控制数据平滑的程度,对时序数据序列进行合理平滑,最大限度的削弱数据序列中的随机误差,将信号与噪声合理分离.     

杠杆点评估及设计空间抗差

本分析了杠杆点的几何含义和统计特征,从杠杆点的保差性,矩阵的摄动和参数估值可靠性的观点出发讨论了杠杆点的不利和有利的两个方面,提出了一个全面的设计空间抗差方案。     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义。建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息。针对该问题,提出一种改进粒子群(Particle Swarm Optimization,PSO)算法优化支持向量机(Support Vector Machine,SVM)的噪声稳健建筑物变形监测方法,利用改进PSO算法的全局搜索能力对SVM的核参数进行优化,提升预测精度的同时增强算法的噪声稳健性。基于实测数据的试验结果表明,相对于传统交叉验证SVM和小波方法,所提方法可以获得更高的变形预测精度,并且在低信噪比条件下优势更加明显。