基于变量投影的结构总体最小二乘算法

测绘领域诸多实际应用中系数矩阵和观测向量具有结构特征,即系数矩阵和观测向量中包含固定量(甚至固定列)和随机量,并且不同位置的随机量线性相关。针对这个问题,从变量误差(errors-in-variables,EIV)函数模型出发,首先,将系数矩阵和观测向量构成的增广矩阵表示为仿射函数形式,并采用变量投影法对函数模型进行重构;然后,利用拉格朗日法推导出了一种结构总体最小二乘(structured total least squares,STLS)估计算法。算例分析结果表明,该算法与已有能够解决系数矩阵和观测向量存在结构特征的加权或结构总体最小二乘算法估计结果一致,说明了该算法的有效性,同时阐明了该算法与已有相关算法的关系。     

正定矩阵的三角分解及其在测量平差中的应用

介绍正定矩阵的三角分解方法；讨论利用正定矩阵三角分解，求线性对称方程组中未知数、未知数函数，以及方程组系数矩阵逆阵的方法；给出了相应计算的紧凑格式和在测量平差中的应用实例。     

最小光谱相关约束NMF的高光谱遥感图像混合像元分解

提出了一种最小化光谱相关度约束的非负矩阵分解方法。该方法根据高光谱遥感图像中端元之间具有不相关性这一特点,提出了一种光谱相关度函数。该函数度量光谱之间的相关程度,函数值越小,光谱间的相关度越小。通过联合最小化光谱相关度函数和非负矩阵分解误差函数,使获得的光谱之间具有最小的相关性,从而获得端元光谱以及组分图。模拟实验和真实实验证明了算法的有效性。     

变异函数模型参数的非线性加权总体最小二乘法

针对球状模型和指数模型两种变异函数模型线性化后的系数矩阵具有非线性形式,系数矩阵元素含有随机误差等问题,该文使用非线性加权总体最小二乘法估计变异函数模型参数。以高程异常数据为例,利用变异函数值的点对数定权法和系数矩阵中距离值的方差-协方差传播律定权法迭代解算参数,并与最小二乘法,加权最小二乘法和非线性总体最小二乘法进行对比分析。实验结果表明:非线性加权总体最小二乘法能够得到更高精度的变异函数模型参数。     

模拟退火算法在控制网平差中的应用

线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。     

基于矩阵分解的可分离非线性最小二乘问题求解方法及其应用EI北大核心CSCD

针对可分离非线性函数模型的特殊结构,本文使用变量投影法(VP)将线性参数与非线性参数分离开来,并分别与矩阵的满秩分解、QR分解、奇异值分解和施密特正交化相结合,对两类参数分别求解,缩短了计算机解算方程组的运算时间,使算法更加高效,同时也使得具有一定病态程度的方程组在解算过程中保持相对较好的稳定性。本文利用Mackey-Glass时间序列拟合试验和空间直角坐标转换参数解算试验对比分析了基于不同矩阵分解方法的算法优劣性。试验结果表明,基于矩阵分解的改进变量投影法具有高效的运算效率与稳定的解算过程,也适用于解算空间直角坐标转换参数问题。     

大地测量相关观测抗差估计理论

相关观测异常诊断、质量控制是测量数据处理领域亟待解决的难题之一。分别从方差膨胀模型和相关权元素压缩模型入手研究了相关观测的质量控制理论和方法；给出了误差影响函数；构造了方差膨胀函数和权因子收缩函数；利用观测量的等价协方差阵和等价权矩阵讨论了相关观测质量控制的计算方法。该等价协方差矩阵和等价权矩阵不仅保持了原有协方差矩阵和权矩阵的对称性，而且保持了原有协方差矩阵的相关性不变。计算结果表明异常观测的方差膨胀法和等价权法能有效地控制异常观测对参数估值的影响。     

m序列生成结构分析

详细分析了m序列的生成结构;利用r级带有某些特定反馈的移位寄存器状态变换矩阵、特征多项式及母函数,提出了几个判定r级带有某些特定反馈的移位寄存器输出的序列为m序列的条件.     

m序列生成结构分析

详细分析了m序列的生成结构；利用r级带有某些特定反馈的移位寄存器状态变换矩阵，特征多项式及母函数，提出了几个判定r级带有某些特定反馈的移位寄存器输出的序列为m序列的条件。     

地震同震滑动分布反演的总体最小二乘方法

同震滑动分布参数与地表形变间的线性关系依赖于格林函数矩阵的构造,格林函数矩阵元素与破裂面位置、几何参数、破裂方式及位错模型假设等因素有关。本文尝试考虑格林函数矩阵元素的误差来补偿上述原因在一定程度上对反演参数的影响,采用同时顾及系数矩阵(格林函数矩阵)和观测向量两者误差的总体最小二乘方法反演同震滑动分布。首先确定了系数矩阵元素和观测向量的协因数矩阵,考虑到格林函数矩阵的病态性(秩亏),借助拉普拉斯二阶平滑得到正则化矩阵,采用总体最小二乘正则化法反演同震滑动分布。并对2009年意大利中部拉奎拉(L’Aquila)Mw6.3级地震实例进行同震滑动分布反演研究。结果表明,拉奎拉地震的走向为144.37°,倾角为59.06°,滑动分布的最大滑动量为0.95m,平均滑动角为-96.4°,主要滑动深度为4~15km的范围,地震矩为3.63×10~(18)N·m,对应的矩震级为Mw6.34。总体最小二乘与最小二乘法的滑动分布解存在一定差别,但差别的量级在10-4以内。     

广义正态分布及其二次函数的性质

利用随机向量的母函数定义广义正态分布,将正态随机向量的方差阵由满秩矩阵推广到降秩矩阵。根据母函数的性质,推导出正态分布向量的二次函数的数字特征,并将结果应用于误差传播,得到了非线性函数顾及二次项的误差传播公式的显式表达式。     

测量平差矩阵类C#实现

面对测量平差大量的矩阵数据运算,用计算机来处理成为必然。针对矩阵运算,介绍了用C#实现测量平差矩阵类,不仅具有矩阵的基本运算,而且加入了测量平差中矩阵运算的特殊情况。矩阵类可以在测量平差计算、研究及其它涉及矩阵运算的领域得到广泛应用。     

基于χ2准则的磁梯度张量3D聚焦反演方法

针对铁磁性物质反演中正则化参数自适应选择的问题,提出了基于χ2准则的磁梯度张量3D聚焦反演方法。利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,避免了由于反演参数多于采集点数而导致反演解的多解性,并有效解决了核函数随深度增大而快速衰减的问题。通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据χ2准则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。仿真和实验结果表明:该方法能准确还原磁性异常体的轮廓形态,具有较好的模型分辨率。     

从信息论角度理解间接平差

在协方差矩阵、协因数阵、权阵等概念的基础上,引入了Fisher信息矩阵（简称信息矩阵）,介绍了信息矩阵的一些重要性质,强调了总体信息矩阵与样本信息矩阵两种概念的区别;推导了多元正态分布情况下的信息矩阵,揭示了总体/样本信息矩阵与总体/样本协方差矩阵以及协因数阵/权阵的关系,指出权阵为归一化信息矩阵;在信息矩阵的基础上引入信息向量的概念,推导了信息域间接平差方法,该方法对信息矩阵与信息向量进行估计,在结果层面,该方法与估计原参数向量与协方差矩阵的普通间接平差方法等价,但形式更简单、结构更明确,为理解间接平差提供了一种新的视角,而且新方法在模型不可解场合、序贯/递归平差的初始化方面等具有特殊优势;给出了用于动态状态空间模型滤波的信息域动态平差算法,即为与Kalman滤波算法等价的信息滤波算法。     

GPS RTK在水文测量中的应用

文章以马鞍山长江大桥工可阶段水文测量为实例,介绍了G PS R TK测量技术在水文测量中的应用,通过实际运用得出一些有益的结论。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

超高阶重力场模型最小二乘快速实现

采用最小二乘方法解算超高阶重力场模型,不可避免会遇到大型矩阵的计算,直接求解是难以实现的。本文从重力场模型的基本观测方程出发,利用正余弦函数和面球谐因子的正交性,分析系数矩阵及法矩阵的特点,在法矩阵块对角化的基础上,利用系数矩阵求解法矩阵时“次m”递增的特点,对法矩阵求解方程进行约化、对Legendre函数的计算和存储方式进行了设计,结合缔合Legendre函数关于赤道的对称性,解决了大型矩阵存储及计算效率低下的难题,实现了超高阶重力场模型最小二乘方法的小存储、高效率的解算。通过试验模拟,改进后的方法相比传统块对角方法效率提高300倍,利用此方法可以在普通PC机上快速、高精度地解算2160阶次超高阶重力场模型,算法精度相比数值积分方法至少提高了5个数量级,并且在一定程度上可以评估原始观测数据的精度。     

正定矩阵一维三角分解法及其应用

由文献［１］知,正定矩阵三角分解后,下三角阵中各元素在阵中的位置具有一定的分布规律,为此可将矩阵中用二维形式表示的诸元素利用位置函数表示为一维形式,文献［１］中所有利用下三角阵各元素进行计算的公式也都可表示为一维形式,使程序设计简单易行。     

一种基于BFGS修正的正态分布变换点云配准方法

点云配准是点云数据处理中的关键问题,针对原始正态分布变换算法求解Hessian矩阵时间复杂度高的问题,本文提出一种基于BFGS算法修正的正态分布变换点云的配准方法。通过利用目标函数的梯度值及增量参数更新正定矩阵,以正定矩阵近似代替Hessian矩阵的逆矩阵,确保算法每次迭代方向均为函数值下降方向,降低了算法的时间复杂度;通过模拟数据试验及实测数据试验,验证了本文算法的可行性,其在保持原始正态分布变换算法精度的前提下,提高了算法的配准效率。     

常加速度模型的简化自协方差最小二乘法

“当前”统计模型自适应算法并非真正意义上的自适应目标跟踪算法,其性能与其中关键参数的选择有着直接的关系。本文以常加速度模型对机动载体进行建模,顾及其状态噪声协方差矩阵满足特定结构,提出了简化的自协方差最小二乘噪声协方差估计方法,该方法通过建立新息的相关函数序列与未知噪声协方差矩阵间的函数模型,并结合最小二乘法进行噪声协方差估计。数值仿真结果表明,当载体进行阶跃加速度运动或变加速度运动时,本文所提方法的目标跟踪精度均优于“当前”统计模型自适应算法。