航空重力向下延拓病态问题的求解

提出将广义岭估计用于求解航空重力向下延拓病态问题,研究了求解逆Poisson积分问题的3种正则化方法：Tikhonov正则化、岭估计和广义岭估计。利用EGM2008地球位模型设计模拟数值实验,将飞行高度处含白噪声的2.5′×2.5′重力扰动向下延拓至大地水准面上,与参考值作外部检验,全面检验、比较了各向下延拓方法的可靠性、精度和稳定性,数值结果表明基于多个最优正则化参数的广义岭估计在延拓精度、稳定性和抗差性等方面要显著优于基于单个正则化参数的Tikhonov法和岭估计。     

基于广义补偿最小二乘法的航空重力向下延拓

航空重力向下延拓是病态问题,而广义补偿最小二乘法可以很好地克服病态性。研究了基于广义补偿最小二乘法的逆Poisson积分的航空重力向下延拓模型,并设计实验方案,将EGM2008地球位模型计算的重力异常作为仿真实验的数据,分别用最小二乘、Tikhonov正则化、广义补偿最小二乘3种方法求解,对其精度及仿真效果进行比较。结果表明,广义补偿最小二乘方法精度高,对仿真效果有显著提高。     

航空重力数据向下延拓的波数域迭代Tikhonov正则化方法

航空重力数据向下延拓是重力场数据联合处理的重要步骤。研究了Tikhonov正则化方法以及迭代Tikhonov正则化方法在航空重力数据向下延拓中的应用,指出Tikhonov正则化方法在利用GCV法或L曲线法选取正则化参数时存在的不足以及空间域迭代法迭代不收敛的问题。波数域Tikhonov迭代正则化法的引入,有效解决了上述问题。算例结果表明,波数域迭代法迭代过程收敛,且计算精度高、速度快,值得广泛应用于航空重力数据的向下延拓。     

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。     

航空重力向下延拓的最小二乘配置Tikhonov正则化法

基于最小二乘配置法向下延拓航空重力的过程中,由于协方差矩阵严重病态,影响延拓结果的稳定性和精度。针对这一问题,提出了航空重力向下延拓的最小二乘配置Tikhonov正则化法。基于全球协方差函数模型建立航空重力数据与地面重力数据的协方差关系,引入基于广义交叉验证法,选择正则化参数的Tikhonov正则化法改善协方差矩阵的病态性,抑制观测噪声对延拓结果的放大影响。基于EGM2008重力场模型,设计了山区、丘陵和海域3种不同地形区域的航空重力数据向下延拓的仿真实验,实验结果验证了该方法的有效性。     

向下延拓航空重力数据的Tikhonov双参数正则化法

为了避免正则化参数对向下延拓过程可靠成分的修正影响,提出了Tikhonov双参数正则化法。引进截断参数,将法矩阵的奇异值分为相对较大的奇异值（可靠部分）和相对较小的奇异值（不可靠部分）;引进正则化参数,只对法矩阵的小奇异值进行修正,以抑制高频误差对向下延拓解的影响。采用改进的广义交互确认法（GCV）确定截断参数和正则化参数。基于EGM2008重力场模型仿真了一组航空重力数据,验证了该方法对航空重力数据向下延拓过程的有效性。     

病态总体最小二乘平差方法的比较与分析

Tikhonov正则化和截断奇异值法是解算病态总体最小二乘问题的有效方法。本文对比分析了Tikhonov正则化总体最小二乘算法和截断奇异值分解法二者各自的适用范围,通过两个算例分析表明,Tikhonov正则化算法适用范围广,可以有效地处理病态总体最小二乘问题,而截断奇异值分解法适用范围窄,仅适用于增广矩阵的奇异值呈阶梯型分布的情况。     

利用最优正则化方法确定Tikhonov正则化参数

基于均方误差最小意义下运用最优正则化方法确定正则参数,推导了计算最优正则参数的公式,并结合算例分析比较了求解病态方程的L-曲线法、GCV法等常用的方法,算例表明,基于最小均方误差的Tikhonov正则化参数优化选取方法是一种可行有效的方法。     

确定大地水准面的Tikhonov最小二乘配置法

LSC法（最小二乘配置法）因能融合不同种类重力观测数据确定大地水准面的特性而受到广泛关注,但由于协方差矩阵存在病态性,微小的观测误差将被协方差矩阵的小奇异值放大,导致计算的配置结果不稳定且精度偏低。本文提出Tikhonov_LSC法,即在LSC法中引入Tikhonov正则化算法,基于GCV法选择协方差矩阵的正则化参数,利用正则化参数修正协方差矩阵的小奇异值,以抑制其对观测误差的放大影响。基于Tikhonov_LSC法计算大地水准面,能有效提高其稳定性和精度。通过以EGM2008重力场模型分别计算山区、丘陵和海域重力异常作为基础数据确定相应区域大地水准面的实验,验证了该方法的有效性。     

病态乘性误差模型的加权最小二乘正则化迭代解法及精度评定

针对乘性误差模型的病态问题,引入Tikhonov正则化方法,导出了病态乘性误差模型的加权最小二乘正则化解.顾及加权最小二乘正则化法在求解病态乘性误差模型时,参数估值与观测值之间存在复杂的非线性关系,本文利用一种无需求导、通过加权的方式便能够计算非线性函数的均值和均方误差阵的比例对称采样的无迹变换(scaled unsc...     

Robust estimator for correlated observations based on bifactor equivalent weights

 A new robust parameter estimator for the adjustment of correlated observations is developed based on a `bifactor reduction' model of weight elements. A shrinking factor for weight elements is proposed. The new equivalent weight matrix composed by the bifactor weight elements preserves the symmetry and keeps the original correlation coefficients unchanged. The new parameter estimator with its error influence function is derived. The robustness and efficiency of the new robust estimator is demonstrated with a simulated example and some conclusions are drawn. Received: 5 March 2001 / Accepted: 17 January 2002     

Robust biased estimation and its applications in geodetic adjustments

In this paper, a number of robust biased estimators (e.g. ordinary robust ridge estimator, robust principal components estimator, robust combined principal components estimator, robust single-parametric principal components estimator, robust root-root estimator) are established by means of a unified expression of biased estimators and based on the principle of equivalent weight. The most attractive advantage of these new estimators is that they can not only overcome the ill-conditioning of the normal equation but also have the ability to resist outliers. A numerical example is used to illustrate that these new estimators are much better than the least-squares estimator and various biased estimators even when both ill-conditioning and outliers exist. Received: 14 November 1995/Accepted: 11 February 1998     

粗差估值型抗差估计

在测量数据处理中,解差受到观测空间和设计空间的双重影响。本文导出了粗差估值与解差的关系,进而得出了以粗差估值表示的ＬＳ估计的影响函数。通过对粗差估值加以限制,根据等价权原理,实现ＬＳ估计对观测空间和设计空间的抗差性。算例表明,粗差估值型抗差估计对观测空间和设计空间均具有良好的抗差效果。     

抗差加权整体最小二乘模型的牛顿-高斯算法

基于加权整体最小二乘的牛顿-高斯迭代算法,提出了一种抗差加权整体最小二乘模型。利用标准化残差构造权因子函数,并采用中位数法获得具有抗差性的单位权中误差估值,能同时实现观测空间和结构空间抗差。为获得标准化残差,利用线性近似的协因数传播律推导了加权整体最小二乘残差协因数阵的表达式,并给出模型的迭代计算方法。试验结果表明:对于加权整体最小二乘的粗差处理问题,本文提出的方法具有良好的抗差性能,参数估值与不含粗差时加权整体最小二乘的结果没有显著的差异,性能优于直接由残差构造的稳健加权整体最小二乘模型。     

基于中位数法的抗差总体最小二乘估计

针对现有总体最小二乘抗差算法存在的缺陷,应用中位数法确定模型参数的初值,提出了对模型的观测向量与系数矩阵中的观测元素进行分类定权的思想,避免了中误差估计偏差与随机模型误差对等价权函数抗差性的影响。基于中位数法建立总体最小二乘抗差迭代算法,并结合算例对算法进行验证。结果表明,在相同观测样本条件下,本文提出的算法拟合的精度高于传统算法拟合的精度。     

Short Static GPS Sessions: Robust Estimation Results

Least-squares estimation (LS) yields results of low accuracy in the presentce of GPS phase-corrupting environmental conditions. We present a robust estimator that clearly identifies outlying observations caused by obstacles like diagonal cables, branches, or leaves. It performs significantly better than standard LS and signal-to-noise ratio dependent weighting if unfavorable signal distortion occurs, and is equal to LS otherwise. The estimator is realized by an iterated LS algorithm using an equivalent weight matrix. It is a generalization of the Danish Method to heterogeneous and correlated observations. The excellent peformance of the estimator for processing short static sessions is demonstrated using data obtained from an investigation of GPS signal obstruction. ? 2002 Wiley Periodicals, Inc.     

测量平差模型的抗差最小二乘解及影响函数

抗差Ｍ估计是使用最广泛、计算较简明的抗差估计法。基于多维Ｍ估计原理，本文建立了经典测量平差函数模型的抗差解，并推导出相应的误差影响函数；为了使抗差估计适于不同类型以及不同先验精度的各类观测值的混合平差，将使用等价权原理构造抗差最小二乘解式。     

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件，构造了相应的检验统计量，推导出的条件式及其相应的假设检验适合于各种正则化矩阵类型的Tikhonov正则化方法。     

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。     

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。