基于最小二乘配置的GPS网平差模型及其应用

从最小二乘配置出发,推导了附加先验约束的高精度GPS网平差的参数估计和精度估计公式.分析了先验约束正确与否对平差结果所造成的影响,讨论了附加额外约束对平差结果及平差精度可能造成的影响,并提出了一个非常重要的用于确定附加约束是否有用的指标量.     

多余约束平差对控制网基准的影响

本文讨论了多余约束平差对控制网基准的影响规律,并在已知点位具有不同先验精度信息的情况下,通过模拟数据,分析了多余约束平差对网的基准精度的改善程度,推荐了估算模型。所得结论对GPS卫星网的数据处理具有重要参考意义。     

附不等式约束最小二乘平差的一种新算法

在大地测量数据处理中,很多情况下可根据先验知识建立合理的不等式约束,能够改善平差结果,提高精度。首先简要总结了附不等式约束平差的各种方法及存在的问题。根据有效约束和库恩塔克条件,提出了解决不等式约束平差的新算法,把不等式约束平差转化为等式约束平差问题,从而得到解的显示表达。最后用一数值算例证明了该算法的可行性。     

参数先验信息异常的影响与平差补偿

若参数先验信息含有异常信息,必然造成序贯平差参数估值及其协方差的扭曲。本文首先分析了先验信息异常对参数结果的影响,然后通过对先验信息异常进行判断,再有针对性地引入部分附加参数,通过函数模型补偿法控制先验信息异常误差的影响。实测GPS算例表明,通过该方法能有效地抵制参数先验信息异常的影响。     

卫星多普勒网与地面网联合平差的试验

本文通过对卫星多普勒网与地面网联合平差的某些试验性计算,验证了联合平差中的一些理论问题,它们是: (1)不仅三种七参数模型(Bursa、和Veis模型)的参数之间存在着等价性,而且简化的具有四、五、六个参数的Bursa和模型的参数之间也存在着等价性。 (2)对于某个特定的卫星网与地面网的联合平差,选择适当个数的转换参数将得到最佳的平差结果。一般来说,对于一个大范围的网,通常可采用七参数模型,而小范围的网应采用少于七个参数的简化模型。本文建议用线性假设检验的方法来选择最佳个数的转换参数。 (3)在联合平差中,如果三个旋转参数(即欧拉角)附加有某些先验性质(如先验方差、先验期望),那么,平差后的三个平移参数的精度能够大大提高。但附加的先验性质必须经过检验,证明是与观测值及其精度相适应的,否则还会降低联合平差结果的精度。     

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。     

参数带有区间约束的平差模型迭代算法

测量平差模型中的参数通常存在一些不确定的附加信息或先验信息,充分利用它们可以对部分参数进行约束,从而保证参数解的唯一性和稳定性。本文主要研究参数带有区间约束的平差模型。即,利用矩阵正则分裂方法,将平差问题转化成一个简单的二次规划问题,建立了一种新的参数估计迭代算法,并证明了算法的收敛性。最后通过实例说明了新方法可以提高参数估计的效率,降低模型的不适定性,保持参数先验信息中的统计、几何或物理意义。     

GPS网平面基准点的可靠性分析

通过具体实例，对GPS网约束平差结果进行了分析、比较，并提出了GPS网平面基准点的可靠性检验方法，得出了作为起算数据的基准点及其点位误差对GPS网约束平差精度的影响规律。     

关于GPS网平面基准点的可靠性分析

通过具体实例，对GPS网约束平差结果进行分析、比较，并提出GPS网平面基准点的可靠性检验方法，得出作为起算数据的基准点，其点位误差对GPS网约束平差精度的影响规律。     

顾及波浪影响和深度约束的水下控制网点绝对坐标的精确确定

为解决传统海底控制网点绝对坐标确定费时费力、垂直解精度不高的问题,提出一种顾及波浪影响和深度约束的水下控制网点绝对坐标精确确定方法。首先,开展了波浪影响研究,提出水下控制网点间高差确定方法以及利用该高差和GNSS垂直解的网点绝对高程确定方法。在此基础上,提出附加深度约束的圆走航单点绝对三维基准传递法、深度约束的二维自由网平差法及联合点间高精度深度差的组合约束平差法和三维联合约束平差法。最后对提出的方法进行验证。该方法可提高作业效率,将传统方法高程确定精度提高了1个量级。     

以三维坐标转换为例解算稳健总体最小二乘方法

稳健最小二乘方法能够有效解决平差计算中观测值存在粗差的情况,因此广泛应用于各种实际问题中。在最小二乘方法中,系数矩阵被认为是不含有误差的。然而在实际情况中,系数矩阵中的变量往往也包含观测值,因此不可避免地会被误差污染。为同时考虑系数矩阵和观测向量中的误差,同时对粗差进行探测和定位,本文提出基于选权迭代的稳健总体最小二乘方法,并以三维相似坐标变换为例展示解算过程。通过模拟计算,证明了采用本文提出的稳健总体最小二乘方法,能够较好地达到粗差探测和定位的目的,获得稳健的参数解。     

GPS高程拟合支持向量机模型

为了快速获取GPS高程异常值,提出了基于最小二乘支持向量机（LS—SVM）的GPS高程异常值求取模型,介绍了最小二乘支持向量机的原理与优越性。利用该模型进行了高程异常的拟合,并对已知点进行了检验。结果表明：其结果是可靠的,在有限样本情况下完全可以达到传统GPS高程拟舍的效果,且其实现起来更简单,具有一定的科学性和实用性。     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

ADJUSTMENT OF LEVELING NETWORK BY INFORMATION SPREAD ESTIMATION

1　ＩｎｔｒｏｄｕｃｔｉｏｎＦｏｒｉｎｄｅｐｅｎｄｅｎｔｏｂｓｅｒｖａｔｉｏｎｓＬ ,ｔｈｅＩＳＥｆｉｒｓｔｌｙｕｓｅｓｔｈｅｆｏｌｌｏｗｉｎｇｆｏｒｍｕｌａｔｏｅｓｔｉｍａｔｅｔｈｅｄｉｓｔｒｉｂｕ ｔｉｏｎ^ｆ(Ｌ) :^ｆ(Ｌ) =1ｎｈ 2π∑ｎｊ=1ｅｘｐ( - (Ｌ-Ｌｊ) 22ｈ2 ) ( 1 )ｗｈｅｒｅＬａｒｅｏｂｓｅｒｖａｔｉｏｎｓ;ｎｉｓｔｈｅｎｕｍｂｅｒｏｆｏｂ ｓｅｒｖａｔｉｏｎｓ;ｈ =α(Ｌｍａｘ-Ｌｍｉｎ) /(ｎ - 1 ) ,ｃｏｅｆｆｉｃｉｅｎｔαｃａｎｒｅａｄｉｌｙｂｅｌｏｏｋｅｄｕｐｆｒｏｍｔｈｅＴａｂｌｅｉ…     

Adjustment of leveling network by information spread estimation

In practical parameter estimation, we have always chosen either Least Squares Estimation(LSE) or Robust Estimation. Since the distribution of observations is unknown, to select a correct estimation method is very difficult. It is well known that if observations include gross errors, the result of LSE will be badly containinated. On the other hand, if observations do not include any gross errors, the result of robust estimation is not as good as that of LSE. To solve this problem, Wang (1999) developed an estimation method called Information Spread Estimation (ISE) based on the information spread principle. The ISE is a very good method for estimating one parameter which is very robust. However, most of instances in surveying data processing are multi-parameters' estimation, owing to the inherent restrictions of ISE, it can not be applied to the surveying data processing directly. To apply the good method to the field of surveying data processing widely, the author has done the research deeply. This paper applies ISE successfully to the adjustment of leveling network by using the specialties of leveling.     

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。     

一种结合UKF与TLS的GPS机动跟踪算法

在GPS接收机产生机动时,运动模型的不匹配会给跟踪算法带来性能损失。本文提出一种机动检测、Unscented Kalman Filter(UKF)以及总体最小二乘(Total Least Square,TLS)相结合的解算方法用于接收机机动的GPS跟踪解算。首先,通过机动检测算法对目标的机动性进行判别,当目标机动较小时,利用UKF的最优检测性能进行跟踪,而当目标机动较大时,结合TLS的强跟踪性能,采用TLS和UKF联合进行跟踪。从而,在不增加方程维数的情况下,实现机动目标的实时、快速跟踪。仿真结果表明该方法对机动目标具有良好的跟踪性能。     

基于物方地面元的多视最小二乘匹配

以地图测绘、空间信息遥感、摄影测量学为背景的,根据多视影像匹配的理念和方法,按单点最小二乘匹配扩展为基于地面元的多点(以三片为例)的最小二乘匹配,基于改进的VLL讨论了一种基于多视影像的最小二乘影像匹配的方法,高精度的像素影像可以由这种特有的方法进行处理分析,像素的精度可达千分之一。进行相关分析后表明:进行高精度数字影像匹配融合时选择恰当影像匹配模型的匹配策略或由差异的匹配策略结合使用可更好地提高匹配的成功率和可适应性,从而降低误匹配或者漏匹配的同名点。     

非线性平差精度评定的自适应蒙特卡罗法

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。     

尺度参数的Lp估计与精度评定

根据定位参数与尺度参数的联合Ｍ估计,导出了尺度参数的Ｌｐ估计;当ｐ＝２时,与最小二乘估计一致,观测数据服从正态分布时,为最优无偏估计;由于尺度参数Ｌｐ估计的影响函数为无界函数,估计不具抗差性,但把残差Ｗｉｎｓｏｒ化,作者得到了尺度参数的抗差Ｌｐ估计;依据定位参数的协方差阵,可进行Ｌｐ估计的精度评定。这些结果对于Ｌｐ估计的研究和应用具有一定的参考价值。