异常影响诊断与抗差估计

异常影响诊断与抗差估计杨元喜当我们强调抗差估计的重要性的同时，决不应忽视经典统计理论的重要性。对于模型偏差及异常数据的处理，经典统计理论中也有较成熟且使用较广泛的方法─—异常影响诊断法（ｏｕｔｌｉｅｒｉｎｆｕｌｅｎｃｅｄｉａｇｎｏｓｔｉｃｓ）和误差统...     

一种卫星钟差异常精确探测的两步法策略

针对卫星钟差数据中的粗差和钟跳两类异常进行精确探测,提出使用历元单差算法和拟准检定法相结合的两步法策略,第1步,依据钟跳和粗差在历元单差序列中不同表现特点,采用历元单差法探测疑似钟跳点并剔除部分粗差;第2步,对按疑似钟跳分段的数据使用拟准检定法精确探测粗差。通过模拟数据算例阐述钟差异常探测过程并进行性能分析,通过实测数据进行算法有效性验证,结果表明,仅使用历元单差法能有效探测疑似钟跳点和部分粗差,其探测的疑似钟跳点包含了真实钟跳;使用两步法既能有效规避钟跳影响,又能精确探测小粗差,探测能力接近底噪的2倍中误差。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论;在顾及扰动异常的情况下,把自适应抗差Kalman滤波应用到联邦滤波上,对联邦滤波进行了改进,提出了一种自适应抗差联邦滤波算法.由计算结果可知,自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,较好地提高导航解的精度.     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。     

自适应序贯平差及其应用

基于自适应估计原理和抗差M估计原理，提出了自适应序贯平差和自适应抗差序贯平差法，给出了相应的参数估值公式。计算结果证明，自适应序贯平差能有效地控制模型参数先验信息的异常影响，平衡观测值和参数先验值在参数估计中的贡献;自适应抗差序贯平差能有效地抵制观测异常和模型参数先验信息异常扰动对平差结果的影响。     

开窗分类因子抗差自适应序贯平差用于卫星钟差参数估计与预报

提出一种新的钟差算法--开窗分类因子抗差自适应序贯平差,即首先对一维钟差数据进行开窗处理,在窗口内利用抗差等价权削弱粗差影响,在窗口间构造自适应因子抵制钟跳异常,从而达到消除和削弱观测异常和状态异常的目的.针对不同星钟参数不符值描述不同的扰动特性,提出构造分类自适应因子来抵制钟差时间序列中的扰动异常.计算结果表明,新算...     

双因子抗差贝叶斯估计及其在GIS数据采集质量控制中的应用

在对GIS扫描数字化过程中,所采集的数据里经常含有系统误差和异常误差。在纠正这些误差的过程中,应同时考虑控制点坐标和数字化坐标的先验协因数。文中以数字化的系统误差拟合模型为例,提出双因子抗差贝叶斯估计误差拟合方法,并分别就控制点含有粗差、数字化点含有粗差和两者均含有粗差3种情况建立相应的模型,实例验证了其抗差效果。     

浅谈测量平差到空间数据分析的可靠性理论延伸

可靠性作为分析结果评价的质量指标,同时也是分析模型构建的优化准则。在传统测绘领域,李德仁于20世纪80年代中期提出了两个多维备选假设的模型误差可区分理论和验后方差选权迭代的粗差剔除方法,发展了测量平差可靠性理论及摄影测量应用。在电磁物理和普适计算支持下,传统测绘技术已经进化为现代地球空间信息科技。随之,可靠性理论内容从测量平差的粗差处理、空间数据分析的异常处理延伸到空间信息服务的可信计算,可靠性分析方法也从统计推断、优化计算延伸到逻辑推理。类比语言学,测量平差的粗差处理为语法分析,空间分析的异常处理为语义分析,空间信息服务的可信计算则为语用分析。简要地给出了空间数据分析的可靠性指标计算方法,分析了优化目标（成本或代价）函数构造的一般准则（物理系统的能量最小化、数据系统的信息量最大化和用户系统的决策风险最小化）,指出可靠性理论方法呈现整体模拟趋势（正常和异常的相对整体性,外在数据和内在状态的相对整体性,静态结构和动态行为的相对整体性,人机地系统的相对整体性）。     

多因子自适应序贯平差

针对参数先验信息含有异常的问题,基于自适应滤波原理和双因子等价权原理,在单因子自适应序贯平差的基础上,提出了多因子自适应序贯平差,推导了相应的多因子自适应序贯平差公式。基于各点和各个参数不符值构造出了点自适应因子和坐标分量自适应因子,最后利用GPS网数据进行了计算与分析,结果表明,在先验信息异常量级不同的情况下,多因子自适应序贯平差结果优于单因子自适应序贯平差结果。     

一种基于平面拟合的LIDAR点云滤波方法

LIDAR点云滤波是将LIDAR点云数据中的地面点和非地面点分离的过程。根据在较小区域内可以近似认为地面为一平面,本文提出了一种应用平面拟合的方法,首先在一个局部区域内拟合出一个近似平面,通过判断LIDAR点是否属于该平面来获取平面点,并通过分类处理从平面点中得到地面点,最后用得到的地面点内插出DEM。滤波前,需要剔除高程异常点,本文应用了高程差约束算法抑制高程异常点,从而较好地保持了原始数据的局部细节信息。     

OUTLIER DETECTION AND RELIABILITY OF ADJUSTMENT MODELS WITH SINGULAR COVARIANCE MATRICES

Up to now,outlier detection and reliability theory are generallybased on the regular Gauss-Markov models,in which the covariance matrix of ob-servations is positively definite.For the adjustment models with singular covari-ance matrix,the statistics for outlier detection are derived by the authors.Thecorresponding reliability theory is developed.And the application of the theory isdemonstrated with a practical example.     

Outlier separability analysis with a multiple alternative hypotheses test

Outlier separability analysis is a fundamental component of modern geodetic measurement analysis, positioning, navigation, and many other applications. The current theory of outlier separability is based on using two alternative hypotheses—an assumption that may not necessarily be valid. In this paper, the current theory of outlier separability is statistically analysed and then extended to the general case, where there are multiple alternative hypotheses. Taking into consideration the complexity of the critical region and the probability density function of the outlier test, the bounds of the associated statistical decision probabilities are then developed. With this theory, the probabilities of committing type I, II, and III errors can be controlled so that the probability of successful identification of an outlier can be guaranteed when performing data snooping. The theoretical findings are then demonstrated using a simulated GPS point positioning example. Detailed analysis shows that the larger the correlation coefficient, between the outlier statistics, the smaller the probability of committing a type II error and the greater the probability of committing a type III error. When the correlation coefficient is greater than 0.8, there is a far greater chance of committing a type III error than committing a type II error. In addition, to guarantee successful identification of an outlier with a set probability, the minimal detectable size of the outlier (often called the Minimal Detectable Bias or MDB) should dramatically increase with the correlation coefficient.     

条件平差模型两种粗差检验方法的等价性

针对测量数据处理中常用的条件平差模型,该文介绍了条件平差模型按残差进行粗差探测的方法和实施步骤,导出了条件平差模型按观测值偏差进行粗差探测的公式,证明了当观测误差独立时,这两种检验方法对于检验单个粗差的等价性。并通过算例证实了直接利用偏差估值构建的检验单个独立观测值的统计量与按残差构建的统计量完全相同。     

抗差主成分估计及应用

本文基于抗差估计和主成分估计理论，提出一种新的估计－抗差主成分估计，推导了参数的抗差主成分解，并结合算例进行了试算。结果表明：抗差主成分估计不仅可以解除法方程系数降的病态，而且对于抑制观测粗差的影响也有显著功效。     

国家高精度GPS网整体平差中的粗差分析

分析了国家高精度ＧＰＳ网中的粗差观测量的特点,提出了采用相关分析的粗差探测理论,对国家高精度ＧＰＳ网的各子网和相邻子网进行粗差探测,并采用稳健估计的平差方法,消除粗差对平差结果的影响,大大提高了国家高精度ＧＰＳ网的整体平差精度。     

一种分布式计算的空间离群点挖掘算法

针对现有空间离群点挖掘算法无法适应大规模空间数据挖掘的需求,该文提出了一种分布式条件下的空间离群点挖掘算法。首先,该文针对集群上分布式计算和存储的特点提出使用空间填充曲线来划分数据集,加速寻找目标点的近似空间最近邻居。其次,使用信息熵的理论来定义空间离群系数,考虑到多维数据中不同属性对离群系数的影响具有差异性,该算法能够自动根据数据原有特点,计算各属性的权重;同时使用反距离权定义空间因素对离群系数的影响。最后,实验结果表明该算法在大规模的空间数据集中挖掘离群点的效率远高于传统算法,离群点的挖掘精度在90%以上。     

遗传算法在特异值识别与处理中的应用

在空间数据中特异值的识别处理中,个别奇异的数据(特异值)可能会对模型产生影响而使预测值与实测值间产生较大的偏差。因此,本文在分析现有的方法的基础上,考虑识别过程中可能存在的"拖尾"和"掩盖"效应,根据"同步"的思想提出了一种新的特异值识别方法:基于遗传算法的特异值识别,该方法以数据标准化差异作为评价标准,将遗传算法应用到特异值识别处理当中,能够有效地识别出观测值中的异常数据,获得一致性数据。     

中国大地测量数据处理进展

本文介绍了近四年来中国学者在大地测量数据处理方面的主要进展。重点讨论了抗差估计、粗差探测与可靠性理论、病态条件诊断与正则化、半参数回归与非线性估计等方面的发展。     

GPS测量野外观测数据质量检测系统

目前ＧＰＳ的应用越来越广泛,ＧＰＳ观测数据的质量检测也日益受到重视。及时有效地检测出来野外观测数据质量的优劣有重要的应用价值。本文根据在滑有粗差时,ＧＰＳ观测数据的时间序列的变化应是平滑的原理,对观测数据的质量进行了检测。并在此基础上,编制了ＧＰＳ野外观测数据质量检测系统（ＧＤＤ）。通过对一个观测数据文件的实例分析,说明了本系统能够较好地检测出观测数据的质量情况,尤其适合于ＧＰＳ静态作业。     

Bayesian methods for outliers detection in GNSS time series

This article is concerned with the problem of detecting outliers in GNSS time series based on Bayesian statistical theory. Firstly, a new model is proposed to simultaneously detect different types of outliers based on the conception of introducing different types of classification variables corresponding to the different types of outliers; the problem of outlier detection is converted into the computation of the corresponding posterior probabilities, and the algorithm for computing the posterior probabilities based on standard Gibbs sampler is designed. Secondly, we analyze the reasons of masking and swamping about detecting patches of additive outliers intensively; an unmasking Bayesian method for detecting additive outlier patches is proposed based on an adaptive Gibbs sampler. Thirdly, the correctness of the theories and methods proposed above is illustrated by simulated data and then by analyzing real GNSS observations, such as cycle slips detection in carrier phase data. Examples illustrate that the Bayesian methods for outliers detection in GNSS time series proposed by this paper are not only capable of detecting isolated outliers but also capable of detecting additive outlier patches. Furthermore, it can be successfully used to process cycle slips in phase data, which solves the problem of small cycle slips.