非线性最小二乘参数平差迭代算法

在非线性最小二乘问题现有的3类主要算法高斯-牛顿法、阻尼最小二乘法和最小二乘的拟牛顿法的基础上，引入了综合性能更优的非线性规划的SQPM(序列二次规划法)算法，并且为进一步提高SQPM算法迭代的收敛性，对其步长策略进行了改进。改进的SQPM算法成为无需精确计算参数概略值的非线性最小二乘参数平差的实用和有效算法。     

非线性最小二乘参数平差迭代算法

在非线性最小二乘问题现有的3类主要算法－－高斯－牛顿法、阻尼最小二乘法和最小二乘的拟牛顿法的基础上，引入了综合性能更优的非线性规划的SQPM（序列二次规划法）算法，并且为进一步提高SQPM算法迭代的收敛性，对其步长策略进行了改进。改进的SQPM算法成为无需精确计算参数概略值的非线性最小二乘参数平差的实用和有效算法。     

病态方程组的分块迭代法及其在GPS整周模糊度估计中的应用

从求解严重病态线性代数方程组的实际出发,通过分离复共线矩阵列来将未知参数分组交替地作最小二乘估计,得到了一种新的迭代解法——分块迭代算法,并给出了迭代格式的收敛性证明。最后通过实例验证了上述结论。     

空间相似变换方程的最小二乘直接解法

文中提出的空间相似变换方程的最小二乘直接解法及给出的算法程序伪代码，同经典的线性化展开迭代最小二乘解法进行比较，具有效率高，稳定收敛等优点，且无需设置计算的初始参数，可直接给出最小二乘解，仿真实验证明本方法可用于大地坐标变换以及摄影测量模型的绝对定向。     

一种基于F-J线性-非线性模型解的迭代最小二乘方法

基于贝叶斯理论的线性与非线性模型反演方法（Fukuda-Johnson,F-J）已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样（Markov chain Monte Carlo,MCMC）经验参数选择的影响,而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后,也可以利用迭代最小二乘方法反演,但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响,提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代,既提高了F-J方法的反演效率,又能获得迭代最小二乘全局最优解。针对模拟数据实验和实际数据算例,分别采用F-J方法、随机生成初始值的迭代最小二乘方法和以F-J方法结果为初值的迭代最小二乘方法进行参数反演。结果表明,直接使用F-J方法时,MCMC采样参数会影响反演结果;直接进行迭代最小二乘反演时,初始值选取不当会导致迭代无法收敛到正确的结果;以F-J方法的结果作为迭代最小二乘方法的初始值进行反演,可以充分发挥F-J方法的全局最优性和迭代最小二乘方法计算量小、稳定性好的优势。     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

EIV模型参数估计的新方法

提出了一种EIV(errors-in-variables)模型参数估计的新方法,即根据非线性最小二乘平差理论,并用构造结构矩阵的方法来顾及系数矩阵的重复元素和常数项,推导了其迭代算法和精度评定公式。新方法统一了总体最小二乘、加权总体最小二乘以及结构总体最小二乘三种算法,并给出了详细的解算步骤。新方法的推导过程及其迭代格式较为简单,易于程序实现。最后通过两个实例验证了本文方法的有效性和可行性。     

线性回归参数的总体最小二乘估计算法研究

针对线性回归参数的总体最小二乘估计问题提出了线性回归加权总体最小二乘平差模型,在此基础上推导了线性回归的加权总体最小二乘迭代算法。之后,采用一个算例进行了分析,其结果验证了提出模型和算法的正确性和可行性。     

利用无人机影像和广义迭代重加权最小二乘法的三维重建

为了提高基于无人机影像重建三维场景的效率,提出了应用广义迭代重加权最小二乘法的全局式三维重建方法。首先,介绍了广义迭代重加权最小二乘法的基本思想和具体步骤;接着,将全局旋转矩阵的求解转化为李代数中旋转向量的求解问题,利用结合范数优化和迭代重加权最小二乘的方法求出全局旋转最优解;然后,根据极线几何约束条件,解算相机在全局坐标系下的相对平移方向向量,在广义迭代重加权最小二乘架构下,利用二次规划法求出相机全局位置最优解;最后,对影像位姿参数和重构三维点进行光束法平差优化。实验结果表明该方法在提高重建效率的同时,能够更真实地恢复场景的几何形态。     

改进的约束总体最小二乘法

针对传统的约束最小二乘模型和总体最小二乘模型的局限性,该文提出了一种改进的约束总体最小二乘法。假设约束总体最小二乘问题中约束方程系数矩阵也存在误差,然后构造函数模型的广义拉格朗日函数,采用最小二乘法迭代求解非线性的法方程,最终获得了改进的约束总体最小二乘法的牛顿-高斯迭代公式和平差模型精度的无偏估计。该算法采用了更接近实际的平差模型,能够获得更加接近真值的估计参数,同时平差模型的精度更加接近模拟数据加入的噪声水平。实验结果表明,本文算法可有效解决对参数进行约束时的数据处理问题。     

太阳系真实力模型下Halo轨道的寻找

在总结现阶段共线平动点附近周期和拟周期轨道寻找方法的基础上,在JPL星历提供的真实力模型下利用目标轨道法(Target Shooting Method)实现了Halo轨道的寻找。即利用Lagrange乘数法作为迭代工具,利用圆型限制性三体问题下的分析解结果作为迭代初始值,迭代出真实力模型下的拟Halo轨道。重点构建了真实力模型下的虚拟平动点准惯性坐标系,极大地简化了轨道坐标从CRTBP模型向真实力模型的转换,加快了迭代收敛速度。     

以重心坐标为基准的空间后方交会非迭代法

为解决基于迭代的空间后方交会算法在倾斜摄影中可能出现的不收敛现象,提出了一种以重心坐标为基准的非迭代解算方法。首先将控制点物方空间坐标描述成重心坐标,并基于其坐标参考无关性,采用总体最小二乘方法求出对应像方空间坐标,然后通过正交矩阵方法进行绝对定向并优化。试验结果表明,该方法几乎对任意影像姿态均能正确解算,并且精度达到甚至优于基于迭代的空间后方交会方法。     

非量测相机的一种快速平面标定法

非量测相机由于其便捷性和价格低的优点受到越来越多的人青睐.平面标定也因为它的制作方便受到越来越多的关注,但是其不稳定性也让很多学者头疼.本文改进了张正友的方法,提高了相机内方位元素初值的精度,从而减少了迭代次数,也使迭代更容易收敛.     

超定测距定位方程参数估计的松弛重心迭代法

针对重心迭代法收敛速度缓慢的不足,基于残差最小步长准则,提出了一种松弛重心迭代法.该方法依据残差最小性质,导出了松弛因子的确定公式,从而自适应调整迭代步长来提高重心迭代法的收敛效率.松弛重心迭代法实质为最速下降法,具有迭代格式简单、无需矩阵求逆和计算海森矩阵的优点.最后采用全球卫星导航系统(GNSS)定位数据和水下定位...     

Linear homotopy solution of nonlinear systems of equations in geodesy

A fundamental task in geodesy is solving systems of equations. Many geodetic problems are represented as systems of multivariate polynomials. A common problem in solving such systems is improper initial starting values for iterative methods, leading to convergence to solutions with no physical meaning, or to convergence that requires global methods. Though symbolic methods such as Groebner bases or resultants have been shown to be very efficient, i.e., providing solutions for determined systems such as 3-point problem of 3D affine transformation, the symbolic algebra can be very time consuming, even with special Computer Algebra Systems (CAS). This study proposes the Linear Homotopy method that can be implemented easily in high-level computer languages like C++ and Fortran that are faster than CAS by at least two orders of magnitude. Using Mathematica, the power of Homotopy is demonstrated in solving three nonlinear geodetic problems: resection, GPS positioning, and affine transformation. The method enlarging the domain of convergence is found to be efficient, less sensitive to rounding of numbers, and has lower complexity compared to other local methods like Newton–Raphson.     

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。     

基于改进高斯-牛顿法的位场向下延拓

本文针对位场向下延拓的不适定问题,在分析最优化算法中高斯-牛顿法基本原理及滤波函数滤波特性的基础之上,提出基于正则参数指数递增计算方法和残差最小步长准则的改进高斯-牛顿法。基于理论重力模型和航磁实测数据的对比实验表明,改进后得到的自适应迭代法具有相对较高的位场向下延拓精度和很好的收敛性。     

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。     

Iteration convergence condition modeling for single spaceborne SAR image direct positioning

Single SAR image direct positioning is to determine the ground coordinate for each pixel in the SAR image assisted with a reference DEM. During this procedure, an iterative procedure is essentially needed to solve the uncertainty in elevation of each pixel in the SAR image. However, such an iterative procedure may suffer from the problem of divergence in shaded and serious layover areas. To investigate this problem, we performed a theoretical analysis on the convergence conditions that has not been intensively studied till now. The Range-Doppler (RD) model was simplified and then the general surface is degenerated into a planar surface. Mathematical deduction was then carried out to derive the convergence conditions and the impact factors for the convergence speed were evaluated. The theoretical findings were validated by experiments for both simulated and real scenarios.     

Robust ISAR Range Alignment via Minimizing the Entropy of the Average Range Profile

In this letter, a novel global approach to range alignment for inverse synthetic aperture radar (ISAR) image formation is presented. The algorithm is based on the minimization of the entropy of the average range profile (ARP), and the processing chain is capable of exploiting the efficiency of the fast Fourier transform. With respect to the existing global methods, the new one requires no exhaustive search operation and eliminates the necessity of the parametric model for the relative offset among the range profiles. The derivation of the algorithm indicates that the presented methodology is essentially an iterative solution to a set of simultaneous equations, and its robustness is also ensured by the iterative structure. Some alternative criteria, such as the maximum contrast of the ARP, can be introduced into the algorithm with a minor change in the entropy-based method. The convergence and robustness of the presented algorithm have been validated by experimental ISAR data.