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。     

结构总体最小二乘估计理论的拓展及其应用研究EI北大核心CSCD

具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。     

基于罗德里格矩阵的整体最小二乘三维坐标转换模型

首先对基于罗德里格矩阵的坐标转换模型进行了分析,其误差方程中的系数矩阵也存在误差。然后在此基础上提出并推导了基于罗德里格矩阵的整体最小二乘三维坐标转换模型,该模型综合了基于罗德里格矩阵坐标转换和整体最小二乘的优点。最后通过C++编程计算两组不同数据算例说明该方法比基于罗德里格矩阵坐标转换模型具有更高的精度和可靠性。     

基于罗德里格矩阵的混合最小二乘方法在三维激光中的应用

介绍了基于罗德里格矩阵的混合最小二乘坐标转换模型及精度,通过三维激光点云配准与坐标转换实验的结果表明,基于罗德里格矩阵的混合最小二乘方法的效果及精度明显高于基于罗德里格矩阵的最小二乘方法,说明该方法的可行性。     

基于非线性最小二乘的坐标转换及精度分析

在GPS应用中经常涉及到坐标系转换的问题。利用七参数线性模型进行坐标转换是目前常用的坐标转换方法,但是当旋转角较大时,利用七参数线性模型转换会存在较大的模型误差。本文提出七参数模型的非线性最小二乘求解方法,结合模拟坐标数据比较了非线性最小二乘与传统迭代法的求解精度。结果表明：在旋转角较大的情况下,利用非线性最小二乘方法求解坐标转换参数精度比迭代法有明显提高。     

非线性最小二乘估计的遗传算法

探讨了用遗传算法进行非线性模型参数估计的可能性,设计了非线性最小二乘估计的遗传算法,并用实例验证了该算法的有效性.通过比较该算法与其它算法的结果,得出了一些具有参考价值的结论.     

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。     

整体最小二乘估计的研究进展

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。     

总体最小二乘拟合问题求解方法的比较研究

目前对总体最小二乘求解方法的研究,出现了奇异值分解的总体最小二乘法、顾及自变量和因变量误差的总体最小二乘法及正交总体最小二乘法.在模型推导的基础上,本文对3种总体最小二乘法在直线和平面拟合中求解的参数及其精度进行了分析,通过与最小二乘法的比较表明,总体最小二乘法得到的拟合结果更加稳健,且以正交总体最小二乘法的拟合结果为最优.     

MATLAB语言在非线性最小二乘估计中的应用

伴随着测量事业的发展,要编制测量参数估计的矩阵运算程序越来越复杂,难度也越来越大。MATLAB与其他编程语言相比,具有简单直观、速度快等特点。本文将MATLAB语言运用于非线性模型参数估计,并给出了单纯形法进行非线性参数估计的函数程序。     

非线性二维转换模型的稳健总体最小二乘算法

针对应用线性最小二乘估计准则求解非线性平面转换模型参数时,通过定义间接参数将模型线性化的方法不能直接求解转换模型参数的问题,该文在非线性平面转换模型的基础上,建立线性模型,实现平面坐标的转换。为解决控制点已知坐标与观测坐标中均含有误差对转换参数求解的影响,对应用稳健总体最小二乘求解线性模型参数的算法进行讨论。最后,通过算例比较稳健总体最小二乘算法与最小二乘算法在抗差性方面的优势。结果表明,稳健总体最小二乘算法更适用于应用线性模型求解未知控制点的转换坐标。     

加权总体最小二乘在三维基准转换中的应用

对比研究加权总体最小二乘(weighted total least-squares,WTLS)方法和混合最小二乘(LS-TLS)方法、最小二乘(least-squares,LS)方法在三维空间小角度直角坐标转换中的适用性。在两套坐标系下坐标测量值均存在误差时,用WTLS方法不但可以对观测向量y和系数矩阵A同时修改、将坐标先验精度引入平差计算,而且引入的权阵PA对系数阵A起到固定常数元素而只修改必要数据元素的作用,以得到更合适的参数解。     

一种基于非线性最小二乘的空间后方交会算法

经典的空间后方交会算法利用一个线性的近似模型去逼近原始的非线性模型,通过迭代解算出成像瞬间摄站的位置和姿态。随着测量精度的提高,因线性化产生的模型误差逐渐显著,因而需要对非线性模型进行研究。本文基于非线性最小二乘原理,研究空间后方交会的非线性解算方法。并通过试验验证该方法的有效性。     

最小二乘配置的SVD分解解法

最小二乘配置最初是在组合各种资料来研究地球形状与重力场的一种数学方法,目前最小二乘配置已经在测绘数据处理中得到广泛应用。本文首先分析了目前采用的最小二乘配置法解算方法,在讨论了矩阵的奇异值分解(Singular Value Decomposition,SVD)方法的基础上,推导得出了矩阵SVD分解与广义逆矩阵的关系,得出了可以直接利用SVD分解求解矩阵的Moore-Penrose广义逆,并推导了应用SVD分解求解最小二乘配置的估值计算公式和精度估算公式,最后通过重力异常实例进行了计算,得出矩阵的SVD分解用于最小二乘配置解算的正确性和可行性,为最小二乘配置的求解提供了一种新方法。     

基于同伦算法的非线性最小二乘相位解缠

线性加权最小二乘方法进行相位解缠时,采用迭代法求解,收敛速度慢,不容易得到精确解。本文提出非线性相位解缠模型,并采用同伦算法实现非线性最小二乘相位解缠。通过真实数据与线性最小二乘相位解缠算法进行对比实验,验证了该方法是有效的,特别是在有噪声干扰的区域,该方法可以提高相位解缠的精度。     

三维任意旋转角度坐标转换的整体最小二乘回归解法

提出了一种简单适用于任意旋转角的三维空间直角坐标转换模型,采用了最小二乘和整体最小二乘回归进行解算,实例验证了模型的准确性。     

多维AR序列的最小二乘建模方法

以测量数据处理中广泛应用的最小二乘原理为基础,详细阐述了多维AR序列参数估计的最小二乘算法、阶数确定的F检验法,并对清江隔河岩大坝1998年5月、6月间洪水前夕平差后的GPS观测数据进行了建模和预报,验证了多维时间序列分析应用于变形观测数据处理的可行性。     

坐标转换Partial-EIV总体最小二乘方法

在测量数据处理过程中,针对系数矩阵中同时存在随机元素和固定元素的情况,Xu等通过将随机元素分离使EIV模型推广到Partial-EIV模型,并给出基于Partial-EIV模型的总体最小二乘(TLS)算法。文中介绍该算法,并将其应用在平面及空间的坐标转换中,通过与最小二乘(LS)、总体最小二乘(TLS)及加权总体最小二乘(WTLS)方法的比较和分析,验证该算法有效性。     

基于总体最小二乘的直线拟合方法探究

在直线拟合问题中,经典的最小二乘拟合方法在自变量选取不同时,拟合的参数值和中误差存在较大差别,故本文利用模拟数据对经典最小二乘和总体最小二乘拟合结果进行对比分析,得出结论认为:经典最小二乘自变量选取不同结算参数的原因是在进行拟合计算时忽略了自变量的误差,使拟合结果只能在一个方向上保持最佳;利用总体最小二乘参数拟合的方法进行直线拟合时拟合结果不受自变量变化的影响,并能够提高拟合精度。     

非线性最小二乘的遗传算法与常规算法的比较

为克服线性经典平差的不足,对非线性最小二乘进行了研究,主要将遗传算法应用于非线性模型参数估计领域,并采用阻尼最小二乘法和高斯-牛顿法对同一观测数据进行了处理,且对解算结果进行了比较。