GPS数据处理中基准站的加权及其影响

将Bayes估计中的全部参数加权扩展为部分参数加权,从Bayes定理出发导出了参数估值公式和精度估计公式;推导了GPS数据处理中基准站加权不当对平差值的影响公式;证明了基准站加权不当时将影响参数估值的最优性,使估值精度降低,并用算例估计了基准站加权不当对框架参数影响的大小.     

基于加权整体最小二乘的单像空间后方交会解算

在常规单像空间后方交会的解算过程中,整体最小二乘(TLS)算法在减小地面控制点及观测变量存在的误差方面有较广泛的应用。但在解算不等精度测量时,直接采用TLS算法进行参数估计易出现解失真的情况,因此为提高解算精度,可以为不同观测值定权,进行外方位元素的计算。本文以解算全微分共线方程为研究主线,并引进协因数阵为观测值定权,尝试采用加权整体最小二乘算法(WTLS)对单像空间后方交会进行解算。实验结果表明,本文算法较最小二乘算法与整体最小二乘算法在精度和准确度方面均有较大提高,在单像空间后方交会解算中具有较好的应用前景。     

GPS数据处理中基准站的加权及其影响

将Bayes估计中的全部参数加权扩展为部分参数加权，从Bayes定理出发导出了参数估值公式和精度估计公式；推导了GPS数据处理中基准站加权不当对平差值的影响公式；证明了基准站加权不当时将影响参数估值的最优性，使估值精度降低，并用算例估计了基准站加权不当对框架参数影响的大小。     

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。     

基于加权整体最小二乘法的无人机影像配准

在经典的遥感图像配准中,多项式回归模型一般假设参考控制点(RCPs)是没有误差的。然而,实际情况是RCPs含有误差,并且不同图像之间RCPs残差中误差也不尽相同。通常,最小二乘(LS)方法仅考虑观测向量中的误差,而整体最小二乘(TLS)方法则同时考虑观测向量和系数矩阵的误差,并假设它们具有相同的残差中误差。针对上述情况,引入更为合理的加权整体最小二乘(WTLS)方法对多项式回归系数进行估计。实验结果表明,与LS和TLS方法相比,WTLS方法能够更好地求取几何变换的多项式系数,其图像配准精度明显提高。     

病态加权总体最小二乘平差的岭估计解法

采用岭估计法处理加权总体最小二乘平差的病态性问题,推导了相应的求解公式及均方误差评定精度的方法,定义了病态加权总体最小二乘平差中的模型参数分辨矩阵,并讨论了岭参数的含义及其作用,给出了确定病态加权总体最小二乘岭估计中岭参数的岭迹法、广义交叉核实法和L曲线法。算例计算了普通最小二乘、普通总体最小二乘的结果,并比较了三种确定岭参数的方法在处理病态加权最小二乘岭估计和病态加权总体最小二乘岭估计中的优缺点。     

附参数的条件平差与按行独立的加权最小二乘法估计的一致性研究

测量平差问题多以间接平差模型为基础,间接平差是以观测值表达为参数的显函数为前提,而现代测量技术中,函数模型多表现为参数和观测值的隐函数,线性化后应为附参数的条件平差模型。本文介绍了附参数条件平差模型和加权总体最小二乘估计之间在解决这类问题的原理以及精度估计方法,证明二者估计结果是一致的,旨在揭示TLS方法与经典平差方法的关系,推广总体最小二乘及其扩展方法在现代测量数据处理中的应用。     

一种局部多项式时空地理加权回归方法

基于加权最小二乘估计的时空地理加权回归方法,在随机项方差相同且最小的假设条件下估计回归参数和拟合值,由于没有考虑时空分析中异方差影响而导致估计结果存在一定偏差。局部多项式估计是一种消除异方差影响的非参数估计方法。本文在局部多项式估计原理基础上,提出了局部多项式时空地理加权回归方法。它是采用三元一阶泰勒级数展开式重构时空回归系数和自变量矩阵,进而建立满足高斯-马尔可夫独立同分布假定要求的新模型,利用新模型回归系数估计值、拟合值以及新模型与原模型的关系,可得到原模型回归系数估计值和拟合值。本文采用模拟数据和真实数据进行试验,以GTWR与局部线性地理加权回归作为对比方法,从方法适用性、整体估计效果、回归系数估计偏差和拟合优度、整体估计偏差等方面分析了LPGTWR方法性能,有效证明了LPGTWR方法能消除异方差影响提升估计精度。     

病态矩阵参数估计的改进主元加权迭代算法

传统测绘数据处理中矩阵求逆的准确性极大地影响最终解算精度。针对测量数据处理常遇到的病态矩阵求逆不稳定,导致精度显著降低等问题,提出一种改进的主元加权迭代法的病态矩阵处理算法。该算法结合传统主元加权迭代法精度高、误差转移法稳定性好的优点,先将误差从解向量转至中间变量,再利用主元加权迭代法求解中间变量,实现更高精度的解算结果。实验表明,改进算法在良态矩阵法方程中解算结果与传统方法一致,在病态矩阵中改进算法精度更高。     

利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。     

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。     

LS和TLS在平面坐标转换中的应用

在超定线性方程Ax=b的解算中,最小二乘(LS)只考虑观测向量b的误差,而总体最小二乘(TLS)则同时顾及观测向量b和系数矩阵A均含误差的情况。本文以六参数模型在平面坐标转换中的应用为例,分别采用LS和TLS进行模型参数的求解。结果表明,2种方法所求参数并无显著差异,但是总体最小二乘更好地改善了坐标转换的内部精度,是一种更为合理的计算方法。     

虚拟观测值法在三维坐标转换中的应用研究

目的 针对整体最小二乘(TLS)已有算法的缺陷,提出利用虚拟观测值法将其转化为经典最小二乘(LS),并推导了适用于三维坐标转换的矩阵矢量化公式,实现了TLS与LS的统一。通过算例证明了此方法在三维坐标转换中可以得到更为合理的解算数据。     

三原则整体最小二乘用于平面自由网平差计算

文中在平面网平差中应用整体最小二乘理念.在最小二乘模型中,为了消除观测方程系数误差和未知参数系统误差,加入系数改正数和参数改正数,并提出三原则整体最小二乘模型.研究平差两大步骤,用最小二乘多次改用"参考点组"而选出w个稳定点;用最小二乘多次改用"近似坐标"而消除系数误差和参数系统误差.三原则整体最小二乘适用于平面自由网...     

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。     

Effects of errors-in-variables on weighted least squares estimation

Although total least squares (TLS) is more rigorous than the weighted least squares (LS) method to estimate the parameters in an errors-in-variables (EIV) model, it is computationally much more complicated than the weighted LS method. For some EIV problems, the TLS and weighted LS methods have been shown to produce practically negligible differences in the estimated parameters. To understand under what conditions we can safely use the usual weighted LS method, we systematically investigate the effects of the random errors of the design matrix on weighted LS adjustment. We derive the effects of EIV on the estimated quantities of geodetic interest, in particular, the model parameters, the variance–covariance matrix of the estimated parameters and the variance of unit weight. By simplifying our bias formulae, we can readily show that the corresponding statistical results obtained by Hodges and Moore (Appl Stat 21:185–195, 1972) and Davies and Hutton (Biometrika 62:383–391, 1975) are actually the special cases of our study. The theoretical analysis of bias has shown that the effect of random matrix on adjustment depends on the design matrix itself, the variance–covariance matrix of its elements and the model parameters. Using the derived formulae of bias, we can remove the effect of the random matrix from the weighted LS estimate and accordingly obtain the bias-corrected weighted LS estimate for the EIV model. We derive the bias of the weighted LS estimate of the variance of unit weight. The random errors of the design matrix can significantly affect the weighted LS estimate of the variance of unit weight. The theoretical analysis successfully explains all the anomalously large estimates of the variance of unit weight reported in the geodetic literature. We propose bias-corrected estimates for the variance of unit weight. Finally, we analyze two examples of coordinate transformation and climate change, which have shown that the bias-corrected weighted LS method can perform numerically as well as the weighted TLS method.     

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。     

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。     

隐式标度因子的总体最小二乘估计方法

分析指出了标度总体最小二乘方法(STLS)存在的问题,提出了一种隐式标度因子的标度总体最小二乘方法(Im STLS)。区别于现有STLS方法在平差准则中引入标度因子,Im STLS方法在EIV函数模型中顾及标度因子,从而解决了现有STLS平差准则形式与标度因子实际表征的平差结果不一致的问题。此外,利用所建函数模型的重构表达式推导的Im STLS估计量及其方差-协方差阵,与经典最小二乘平差理论具有形式同构性。最后,验证了所提方法统一表达LS,DLS和TLS的正确性,并讨论给出了标度因子对平差结果的影响及确定方法。     

GM＋AR组合模型的TLS解算方法及其应用

变形体的变形量通常是一个非平稳时间序列,常常包含有趋势项和随机部分,因此,可以考虑建立GM＋AR模型。使用GM模型提取趋势项,提取了趋势项的剩余部分建立AR模型。然而,在进行模型参数的估计时,由于GM模型和AR模型的系数矩阵都含有误差,传统的最小二乘（LS）法并未顾及到这一点,因而,采用LS法得到的结果并不是最优的。为了顾及系数矩阵的误差,将整体最小二乘（TLS）法引入到GM和AR两种模型的参数求解中。AR模型系数矩阵中的每个元素都是含有误差的,可以直接采用TLS法对每个元素进行改正;然而,GM模型有一列元素是固定的,并不需要改正,直接使用TLS法进行求解是不严密的,采用LS法和TLS法相结合的方法对GM模型进行参数的求解。通过具体的变形监测实例,验证了采用组合模型的LS—TLS解法具有比LS法更高的建模和预测精度。