共查询到16条相似文献,搜索用时 140 毫秒
1.
GPS非线性数据处理的同伦最小二乘模型 总被引:4,自引:1,他引:4
基于非线性同伦思想 ,提出了非线性最小二乘同伦方法 ,并推导出相应的GPS同伦非线性模型和算法。算例表明 ,对于精度较差的初始值 ,采用同伦非线性GPS伪距定位模型较线性最小二乘求解精度要好。 相似文献
2.
提出了同伦函数与填充函数相结合进行非线性最小二乘平差的方法。先采用同伦函数求解非线性恰定方程组,得到一个局部最优解,然后以该局部最优解为基础构造填充函数,通过对填充函数求解,得到比当前局部最优解更小的局部极小点,再以该局部极小点为基础重新构造同伦函数和填充函数进行求解,通过有限步的循环迭代,最终找到非线性最小二乘平差的全局最优解。实例验证,该方法能有效地寻找出非线性最小二乘平差的全局最优解。 相似文献
3.
4.
5.
非线性普通秩亏自由网平差模型强度曲率度量 总被引:2,自引:0,他引:2
在非线性平差模型强度的曲率度量基础上, 提出非线性普通秩亏自由网平差模型强度的曲率度量。这对有效地解决非线性普通秩亏自由网平差模型线性化近似的容许问题,并对分析非线性普通秩亏自由网平差的参数置信域以及非线性最小二乘估计量的统计性质具有重要意义。 相似文献
6.
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。 相似文献
7.
提出了非线性模型参数稳健估计的同伦算法和带约束非线性模型参数估计的同伦算法,推导了相应的非线性同伦算法的函数模型.算例计算结果表明,所提出的算法对初值要求不高,算法收敛,计算结果精度较好,是非线性测量模型参数估计的一种有效方法. 相似文献
8.
9.
整体最小二乘法不仅考虑观测向量的误差而且还考虑系数矩阵的误差,平差理论相对更为严密。在研究经典整体最小二乘法的基础之上,对系数矩阵元素是表达式或函数情况的非线性整体最小二乘模型进行了描述,用拉格朗日极值条件式推导了基于牛顿型解法的非线性整体最小二乘平差计算公式,并设计了一种对应的迭代算法。最后设计了两组模拟试验分析在观测向量和系数矩阵的输入向量等精度观测和非等精度观测两种情况下参数和验后方差的估计特点。试验结果表明,非线性整体最小二乘平差法获得的参数估计值比最小二乘平差法获得的估计结果更接近参数的实际值,方差分量(或中误差)估计结果也更接近先验值,本文给出的迭代算法是有效的。 相似文献
10.
11.
12.
针对EIV模型的系数矩阵同时包含固定量和随机量的情况,通过将系数矩阵中的随机量提取出来纳入平差的随机模型,从而将EIV模型表示为非线性高斯-赫尔默特(Gauss-Herlmert,GH)模型形式,推导了混合LS-TLS(least squares-total least squares,LS-TLS)算法及其精度估计公式。算法适用于系数矩阵包含固定列、固定元素和随机元素的一般情况。模拟实例结果表明,混合LS-TLS算法与已有能够解决系数矩阵同时含固定量和随机量的结构性或加权TLS算法的估计结果一致;混合LS-TLS的估计结果统计上要优于LS或TLS估计结果。 相似文献
13.
14.
本文进一步完善定义了NLS问题的两种不适定性,对产生这两种不适定问题的现象进行了分析。借助于正则化理论,通过添加稳定泛函,结合高斯-牛顿法,构造了不适定NLS问题的正则化高斯-牛顿法求解公式;解决了普通高斯-牛顿法在迭代过程中其Jacobian矩阵是秩亏或者严重病态导致的不能收敛的问题;给出了非线性秩亏自由网平差的正则化高斯-牛顿法步骤;以几个经典NLS问题为例进行了数值实验,说明了本文所提方法的适用性。 相似文献
15.
针对现有的非线性平差精度评定理论中,蒙特卡罗法模拟次数的选择不具有客观性,无法对结果进行直接控制,以及没有同时考虑到平差参数估值、随机量改正数和单位权方差估值的有偏性等问题,把自适应蒙特卡罗法融入到非线性平差精度评定理论中。通过基于自适应蒙特卡罗法的估值偏差计算和参数估值协方差阵计算,设计了非线性平差精度评定一套理论完整的算法流程。基于对偶变量的思想,提出了参数估值偏差计算的对偶自适应蒙特卡罗法。直线拟合模型和椭圆拟合模型两个算例结果表明,非线性平差精度评定的自适应蒙特卡罗法能获得稳定且合理的精度评定结果,具有更强的适用性;对偶自适应蒙特卡罗法计算估值偏差的收敛速度更快,效率更高。 相似文献
16.
广义非线性动态处理模型及其解算方法 总被引:2,自引:2,他引:0
本文针对当今各国高层领导和科学家十分关注并大力倡导的“数字地球”、“数字国家”、“数字城市”、“数字矿山”等科学工程构建中遇到的大量的多源、多维、多类型、多时态、多精度并具有非线性特征的联合数据处理问题的特点,建立了一个广义非线性动态联合数据处理模型及其相应的广义非线性最小二乘模型。针对该模型规模大、维数高的特点,借鉴多变量函数寻优的“变量轮换法”或“因素交替法”的思想、结合无记忆牛顿法,建立了一个解算算法,该算法将大规模的优化问题分解为两个较低规模的优化问题进行解算,降低了问题的规模,借助无记忆牛顿法,减少了存储量,特别适合大规模问题的解算。 相似文献