总体最小二乘平差理论及其在测绘数据处理中的应用

最小二乘法是测量数据处理的最基本、应用最广泛的方法,对于经典的最小二乘法是只考虑观测向量的误差,假设系数阵没有误差或不考虑系数阵的误差。然而系数矩阵包含误差的情况在测量数据实践中是存在的。总体最小二乘法旨在解决顾及系数矩阵误差的一种数据     

复数域总体最小二乘平差

在复数域最小二乘的基础上提出了复数域总体最小二乘平差方法,推导了复数域总体最小二乘和复数混合总体最小二乘的相关公式。通过算例比较分析了复数观测值的残差的模的平方和最小(平差准则1)下及残差的实部和虚部的平方和分别最小(平差准则2)下的复数最小二乘、复数观测值和系数矩阵的残差的模的平方和最小(平差准则3)下及残差的实部和虚部的平方和分别最小(平差准则4)下的复数总体最小二乘方法的优劣。试验结果表明:平差准则1下复数最小二乘较平差准则2下得到的结果更加合理,平差准则3下复数总体最小二乘较平差准则4下得到的结果更为准确;当顾及系数矩阵误差时,平差准则3下复数总体最小二乘要优于平差准则1下复数最小二乘。     

多变量稳健总体最小二乘平差方法

分析指出了在总体最小二乘解下,含有多列独立变量的(以下简称为多变量)变量含误差(errors-invariables,EIV)模型,其各列变量的改正数受对应的参数估值与观测向量先验精度的联合影响,参数估值与观测向量先验精度的乘积越大,则该列变量的改正数越大。因此,现有稳健总体最小二乘方法采用同一个单位权中误差对多变量EIV模型进行降权处理时,会优先对模型中的某一列变量进行降权处理,从而造成平差结果不合理甚至错误,称之为虚假稳健估计现象。鉴于此,提出了多变量稳健总体最小二乘平差方法,并导出了相应的参数估计与精度评定公式。该方法对含有粗差的多变量EIV模型的各列独立变量分别进行降权处理,从而避免虚假稳健估计现象的发生。仿真算例结果表明,当观测值含有粗差时,该方法能够有效避免虚假稳健估计现象的发生,并能够定位出粗差所对应的误差方程;相较于总体最小二乘和稳健最小二乘方法,该方法的参数估计结果更接近真值。     

改进总体最小二乘迭代解法在病态平差模型中的应用

讨论了总体最小二乘法在解病态矩阵中的问题。利用改进后的总体最小二乘迭代算法研究测量平差在病态方程中的应用。实验证明,该算法解决了方程的病态性,且精度与最小二乘方法具有一致性。     

稳健加权总体最小二乘方法

加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。     

非线性最小二乘参数平差

在分析线性化的非线性参数平差的近似直接解法与近代解法基础上,利用非线性最小二乘的精确正交性条件方程,推导出顾及到二次项的非线性参数平差的一种新的计算公式。为了公式表达的简洁,精度评定的需要以及非线性平差本质的分析,在公式推导过程及最终的平差计算公式中,引入了矩阵分解及非线性度量曲率矩阵。最终算例分析说明该方法的有效性及实用性。     

顾及粗差的混合最小二乘平差实验分析

通过详细介绍总体最小二乘法以及其与经典最小二乘法的关系,引出综合了经典最小二乘法与总体最小二乘法的混合最小二乘平差法。为了研究混合最小二乘法的优劣,本文设计一套比较混合最小二乘法与经典最小二乘法的实验方案。通过实验结果可知,混合最小二乘法并非总优于经典最小二乘法,只有当系数阵误差比观测值误差大或略小时,混合最小二乘法才始终优于经典最小二乘法。     

附有相对权比的加权总体最小二乘联合平差方法

采用不同类数据联合平差时,不仅观测向量含有误差,其对应的系数矩阵也通常受到误差的影响。将加权总体最小二乘方法应用于多类观测数据的联合平差模型,推导相应迭代计算方法,以相对权比权衡各类数据参与联合平差的比重。设计了多种方案,并给出了确定相对权比的判别函数最小化方法。结果表明,验前单位权方差法与总体最小二乘方差分量估计方法具有一定的局限性,当验前信息不准确或者总体最小二乘方差分量估计方法不可估时,判别函数为$\mathop {\mathop \sum \limits_{i = 1} }\limits^{{n_1}} \left| {{{\widehat {\bar e}}_{{1_i}}}} \right| + \mathop {\mathop \sum \limits_{j = 1} }\limits^{{n_2}} \left| {{{\widehat {\bar e}}_{{2_j}}}} \right|$的判别函数最小化法能取得较优的参数估值结果。     

稳健加权总体最小二乘的点云数据平面拟合

针对观测向量和系数矩阵均含有误差以及点云数据存在异常点的问题,该文提出一种稳健加权总体最小二乘法。该方法在加权总体最小二乘的基础上,通过设置一定的准则,剔除点云数据中存在的异常点,以获取更为精确的平面拟合参数解。仿真模拟算例和实际点云数据实验结果表明,该方法与传统的方法相比,能够消除异常点带来的影响,获得更精确的参数解,平面拟合精度更高。     

火山形变Mogi模型反演的病态总体最小二乘解算方法

相对最小二乘方法,总体最小二乘顾及了观测方程系数矩阵含有误差的情况,然而,当系统出现病态时,总体最小二乘受病态的影响将更加明显。因此,针对病态总体最小二乘问题解算方法的研究越来越多受到关注。文中基于总体最小二乘进行火山形变Mogi模型反演,针对反演过程中出现的病态性问题,采用虚拟观测解法、谱修正迭代解法、共轭梯度解法,通过模拟算例验证文中方法在抑制病态性方面的有效性。与一般总体最小二乘、正则化总体最小二乘等方法相比存在优势。     

方差分量估计的抗差总体最小二乘算法

应用等价权函数建立总体最小二乘抗差估计算法,算法的有效性受到随机模型的影响。为减小随机模型误差对抗差算法的影响,提出方差分量估计确定总体最小二乘随机模型的思想;利用等价权函数对观测元素进行迭代定权,分类确定等价权函数的域值,提高权函数抗差算法的有效性。最后,通过算例验证算法可行性,结果表明本文算法是有效的。     

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。     

病态加权总体最小二乘的广义岭估计解法

针对加权情形下的变量误差(EIV)模型,采用广义岭估计法处理总体最小二乘平差的病态性问题.结合最优化准则和协方差传播率推导了未知参数的改正数求解公式;根据参数估计值的均方误差最小化原理,通过求偏导数列出广义岭估计中岭参数的迭代解式,并讨论了广义岭参数的含义和作用,给出了确定岭参数的L-曲线法.通过算例比较分析了加权最小...     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。     

病态乘性误差模型的加权最小二乘正则化迭代解法及精度评定

针对乘性误差模型的病态问题,引入Tikhonov正则化方法,导出了病态乘性误差模型的加权最小二乘正则化解.顾及加权最小二乘正则化法在求解病态乘性误差模型时,参数估值与观测值之间存在复杂的非线性关系,本文利用一种无需求导、通过加权的方式便能够计算非线性函数的均值和均方误差阵的比例对称采样的无迹变换(scaled unsc...     

基于比例整体最小二乘的GPS高程拟合

针对GPS高程拟合过程中GPS基线观测量和水准高程观测量含有误差且残差中误差不相同的情况,在整体最小二乘(TLS)基础上引入比例因子λ来确定残差中误差的大小,即比例整体最小二乘(STLS)。实例计算表明,STLS比TLS和LS能够得到更好的估计参数,高程异常值拟合精度也相应提高。     

基于总体最小二乘匹配的机载LiDAR点云航带平差方法

机载LiDAR技术在快速获取空间三维地理信息及其应用方面具有不可估量的前景,然而,机载LiDAR系统获得的相邻航带点云数据在重叠区存在"漂移"问题,需要采用航带平差的方法实现不同航带点云数据之间的"无缝"拼接。针对最小二乘航带平差方法中存在的某些不足,结合总体最小二乘与航带平差方法,将总体最小二乘应用于点云的平面拟合,从而提高了相邻航带匹配的精确性。采用实际飞行数据,设计实验方案对航带平差效果进行比较分析。