采用抗差推估法剔除GPS高程数据粗差

论述抗差拟合推估法剔除技术,该方法的抗差结果比较稳定,在具体工程应用中,粗差剔除效果好.运用抗差拟合推估法剔除技术进行GPS水准高程拟合,大大削弱误差的影响,一定程度上改善和提高GPS水准高程的精度.     

利用BP神经网络剔除多波束测深数据粗差

针对多波束单ping水深数据多呈现较为复杂的曲线形式的现象,提出了基于逆传播（back propagation,BP）神经网络的多波束测深数据粗差剔除方法,即依据BP神经网络具有从输入到输出的映射功能,构建适应多波束单ping水深数据复杂曲线的训练学习算法进行曲线拟合。考虑地形之间的延续性进行相邻ping水深数据间的相关性分析,纵向检查定位并剔除粗差。通过实测多波束测深数据验证该方法的有效性,并与不确定性与测深学联合估值滤波以及交互式滤波方法进行比对分析,结果表明该方法可以有效剔除多波束测深数据中的粗差。     

观测值的概率分布和粗差的剔除

对一个量进行n次重复观测，得到n个观测值，正常情况下可以认为这n个观测值是来自同一母体的一个容量为n的子样。由于各方面的原因（如外界气象条件的突然改变，仪器的故障，观测者的疏忽等等），可能混入了另一母体的数据，从而使得观测值中可能出现一个或数个过大或过小的数据，这几个异常数据     

改进型数据加窗法的高程粗差剔除研究

利用摆动式单波束探测水下微地形时,因掠射角、底质特性等因素对回波信号的影响,导致数字高程粗差产生。本文根据摆动式单波束的探测原理和工作特点,对多波束测量中的数据加窗法进行改进:将回波能量作为探测点的内在属性参与确定起始加窗点;加窗点采用实测点,并要求起始加窗点尽可能靠近整条测线上实测点的高程均值。由此提高了高程粗差剔除的准确性。在实际应用中,随机微地形的高程粗差被成功剔除。     

论粗差修正与粗差剔除

粗差修正与粗差剔除是保证测量成果质量的基本措施。本文基于均值漂移模型论证了粗差剔除与粗差修正估计的关系。研究结果表明,当粗差修正和粗差剔除均基于同一均值漂移模型时,二者求得的参数估值及残差二次型是等价的。     

可剔除多个粗差的F-T法

本文首先导出了严密的F和T统计量,F统计量可用于粗差的整体检验,而T统计量可用于F检验后的各单个粗差的检验。然后给出一个算例,且与[1,7]中的方法进行比较。可以看到,文中提出的F-T法在理论上是严密的,在实用上是可行的,因此,它优于现有的几种方法。     

重力数据粗差探测与剔除方法的研究

根据均值漂移模型,针对重力场特点,综合利用高精度DEM数据及绘图法,本文提出了三种重力数据的粗差探测与剔除方法,对重力点数据进行全面的粗差探测与剔除,为建立我国高精度、高分辨率数字大地水准面、垂线偏差模型提供可靠的基本数据;实际结果表明,该方法正确可靠,是一种行之有效的粗差探测与剔除方法。     

利用多普勒观测检测周跳和粗差

基于多普勒积分提出一种判断"野值"属于周跳还是粗差的方法,即前后两个历元的周跳检测值如果接近则认为是周跳,如果不接近则认为是粗差;通过对多普勒观测量进行不同阶数的多项式插值,得出线性插值的精度高于高阶多项式插值的精度,且计算量少的结论,所以在一个采样率内利用梯形公式积分来检测周跳和粗差的精度较高。     

基于变形观测数据粗差探测与修复的小波变换法

研究小波变换在变形监测数据中探测与修复粗差的应用问题,实例分析证明：借助小波的多分辨率分析和数理统计的知识,能有效地探测出粗差,并通过对高频系数模极大值点的插值处理,结合小波重构等理论有效地修复粗差,为进一步进行变形分析与预报提供可靠保证。     

稳健初值的选权迭代法剔除DEM数据粗差

本文将抗差估计的思想融入到数字高程模型粗差探测的算法中,设计出对模型误差、特别是粗差具有抵抗能力的粗差探测算法.稳健初值的选权迭代法即为抗差估计的一种,首先是通过线性规划的单纯形解法来计算观测值的残差,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得观测值的残差,然后按照统计检验的方法...     

自动剔除粗差程序的研究

观测数据中含有粗差会给平差工作带来很大困难。因此，粗差检测与粗差定位问题是测量工作者所关心的问题之一。1980年国际摄影测量学会（ISP）会议以及1982年ISP第三委员会都讨论了数据探测原理与自动剔除粗差程序，前者在文献[5]中已作过介绍，后者的原理及其权函数是本文讨论的主要内容。本文还以单张象片后方交会平差问题为例，进行自动剔除粗差的平差计算。     

Baarda法在建筑物变形监测粗差剔除中的应用

建筑物变形监测过程中,由于受到周围环境等因素的影响,观测值中常常包含各种粗差。为了提高观测成果的精度,本文采用Baarda粗差剔除法对建筑物变形监测数据进行了过滤。结果显示,此方法可有效发现并滤除观测粗差。     

基于三角网滤波检验的KD树粗差剔除法

针对机载Li DAR点云数据的粗差剔除和滤波,直接关系到后续数据处理的精度,本文运用KD树组织数据建立三维索引,快速查找并计算目标点与k个最近邻点的平均距离,根据距离阈值判断并剔除粗差点。实验选取3种典型测区的点云数据进行实验,分别采用形态学粗差剔除法和本文粗差剔除法对3组点云数据进行粗差剔除,并采用渐进不规则三角网滤波法对原始点云数据及两种粗差剔除结果进行滤波,对结果进行对比分析。结果验证,本文方法能有效剔除点云粗差,提高后续滤波结果的精度。     

地面三维激光扫描地形测量数据粗差剔除算法及实现

本文基于地面三维激光扫描技术用于地形测量时点云数据的特点,得到引起结果存在粗差的障碍物上的点云具有坡度大于实际地形上坡度的特征,并据此提出了一种实用的粗差提取算法。对算法的原理、实现过程和其中重要参数的确定进行了分析,并编程实现了算法。最后,应用实例对粗差提取效果进行了检验,证明了算法的可行性和可靠性。     

大区域离散型DEM源数据粗差探测与剔除

研究DEM粗差的数据探测法,实现大区域数据的自动分块处理、链表形式存储数据、分块后数据的3次曲面拟合,残差向量的统计分析和假设检验,剔除粗差。实践证明该方法完全可行。     

利用KD-树剔除机载雷达点云粗差的方法研究

针对机载LiDAR点云数据后处理中的现有粗差剔除方法存在需要大量人工干预或普适性差的缺点,该文在使用高程直方图剔除显著的高位、低位粗差的基础上,利用KD-树组织机载LiDAR点云数据,通过判断当前点与其k个最邻近点的平均距离远近来自适应地识别粗差点。实验结果表明:该算法具有参数较稳健、粗差剔除效果较好、效率较高的优势。     

观测值粗差对方差因子的影响

本文从理论上说明，简单地只根据平差后观测值改正数是很难正确发现观测值的粗差的，观测值粗差在平差改正数中的反映总是小于（最多等于）原始的粗差量，并且随多余观测数的增加，方差因子对观测值粗差有抗干扰能力。     

基于信息熵的测量数据粗差识别法

基于信息论，提出用信息熵进行测量数据粗差识别，与统计识别方法相比较，该方法对观测数据的分布无要求，识别能力较强，且计算比较方便，并通过实例对该方法进行验证。     

卫星影像区域网平差粗差剔除算法研究

随着遥感卫星技术的快速发展,卫星影像类型越来越多,应用也越来越普遍。采用传统卫星影像粗差剔除方法,对多源卫星影像粗差剔除,难以达到限差要求。本文提出一种绝对相对结合的粗差剔除方法,解决了卫星影像轨道间粗差剔除的难题,为后续区域网平差打下很好的基础。通过实验,验证了本方法的有效性。本方法克服了轨道间姿态差异大带来的连接误差大的问题,同时运用多次粗差剔除保证了连接点的可靠性。     

粗差剔除的一种拟稳平差方法

在分析粗差探测与定位方法的基础上,探讨了基于拟稳平差思想的粗差定位方法的原理,提出了不等权情况下粗差定位的一种改进算法,并通过实例证明该方法的有效性,最后指出了该方法的局限性及应用时需注意的问题。