粗差探测与定位的一种新方法

本文阐述了模型误差的可发现性与可区分性的重要性以及判别方法，提出一种利用观测使改正数向量综合分析的方法探测粗差。在模型误差可区分时可以对粗差定位并估计粗差值。同ω检验法比较，综合分析法发现粗差的能力更强，定位更准确。     

总体最小二乘平差中粗差的可区分性

针对总体最小二乘中粗差的可区分性,在Partial-EIV模型加权总体最小二乘算法的基础上引入了两个备选假设下的可靠性理论,给出了分析总体最小二乘粗差可区分性的方法。通过直线拟合的算例分析,说明本文的方法是可行的,能够有效地分析总体最小二乘中粗差的可区分性,并发现采用总体最小二乘求解直线拟合时,存在粗差不可区分的情况,也就意味着粗差是不可定位的。对于其它计算模型也可能存在粗差不可区分的情况,须加以注意。     

高斯-马尔可夫模型含两个备选假设时的区分可能性和可靠性理论

从含单一备选假设出发的可靠性理论〔1〕、〔2〕，只能统计地判断是否存在某种模型误差以及未能发现的模型误差对平差结果的影响。本文提出高斯-马尔可夫模型含两个多维备选假设时的区分可能性和可靠性理论。该理论能统计地判断是否存在能与它种模型误差相区分的某种模型误差以及彼此不能区分的模型误差对平差结果的影响。该理论对粗差的定位，粗差与系统误差的区分，以及变形测量分析提供了定性和定量的指标，具有实际应用价值。文中以平面坐标变换为例阐述了该理论的实际应用。     

变形模型的可发现性和可区分性研究

本文用高斯-马尔科夫模型下模型误差的可发现性和可区分性理论研究变形模型。将单个变形模型下的可发现性理论扩展到了多个变形模型下的可区分性理论，导出了一般公式，并就几种典型变形模型的可发现性和可区分性进行了讨论，得出了一些有益的结论。本文的研究表明，变形模型的可发现性和可区分性是监测网质量控制更可靠，更直接的指标。     

最小二乘配置中粗差的可发现性和可区分性问题

研究最小二乘配置中粗差与随机信号的区分性问题。从观测值残差和信号估值及其统计性质出发，根据高斯马尔可夫模型两个选假设理想，给出了最小二乘配置模型中观测粗差的可区分且可发现的表达式。     

最小二乘配置中粗差的可发现性和可区分性问题

研究最小二来配置中粗差与随机信号的区分性问题。从观测值残差和信号估值及其统计性质出发，根据高斯马尔可夫模型两个备选假设理论，给出了最小二来配置模型中观测粗差的可区分且可发现的表达式。     

光束法区域网平差中粗差和系统误差区分可能性研究

利用高斯-马尔可夫模型中模型误差的可区分性理论,研究了光束法区域网平差中粗差和象片系统误差的区分可能性。讨论了这种可区分性与控制点布设和摄影飞行方式以及区域大小的关系,并从中提出若干改善可区分性的可能途径。这种研究对于高精度摄影测量点测定是十分有意义的。     

控制网连接点坐标值粗差的可定位性研究

在原有测量控制网（称旧网）的基础上建立同级扩大网或低级加密网（称新网）时，新旧网之间的重合点（称连接点）坐标植粗差的检验是平差前的一个重要环节。本文将边接点坐标视为带协方差阵的观测值，采用数据探测法定位其粗差。借助于Ｇａｕｓｓ－Ｍａｒｋｏｖ模型下两个备选假设检验的理论，推导了连接点相关坐标观测值粗差可定位性基本公式，讨论了各类平面网中连接坐标观测值粗差的可发现性和可区分性。     

动态平差概括模型及形变与粗差的定位定值方法

本文首先建立了包括常规动态平差模型和静态平差模型的动态平差概括函数模型,推导了该模型下的主要平差计算公式和精度评定公式,指出动态平差对静态分期平差有良好的概括性,并讨论了动态平差模型下形变与粗差的统计区分检验公式与方法。其次探讨了多维粗差定位定值的基础,指出粗差分析的基本依据是反映观测值真误差之间线性函数关系的条件方程,而不是最小二乘平差后的残差向量V。提出了多维粗差的直接定位与定值法（LEGED法）和适合于各种最小二乘平差函数模型的多维粗差的统一定位与定值法（LEGU法）,指出LEGEU法的实质等价于LEGED法。算例表明,LEGED法和LEGEU法不仅能准确确定多个粗差的位置,而且能直接计算粗差的大小,且粗差估值与粗差真值之差属于随机误差的量级。然后探讨了粗差的定位定值特性,指出只有当粗差个数是与粗差的最小图相关数S满足k≤s－2时,才能确定粗差的位置和大小,说明了图相关粗差的不可区分性不会因为数据处理方法的不同而有所改变,提出了顾及粗差定位定值特性的粗差定位定值方法。最后论述了形变分析的实质,提出了比较完整的一般形变分析模型下形变与粗差同时定位定值的新方法。     

动态平差模型下形变与粗差的可区分性研究

从形变监测数据处理中常用的动态平差模型出发，推导出了研究形变与粗差可区分性的公式，给出在形变模型统计检验的同时统计检验粗差的方法与步骤，对垂直形变监测网的可区分性作了详细讨论和实例分析，得出几点结论．     

控制网连接点坐标值粗差的可定位性研究

在原有测量控制网(称旧网)的基础上建立同级扩大网或低级加密网(称新网)时,新旧网之间的重合点(称连接点)坐标值粗差的检验是平差前的一个重要环节。本文将连接点坐标视为带协方差阵的观测值,采用数据探测法定位其粗差。借助于 Gauss-Markov模型下两个备选假设检验的理论,推导了连接点相关坐标观测值粗差可定位性基本公式,讨论了各类平面网中连接点坐标观测值粗差的可发现性和可区分性。     

变形监测网的可区分性分析

本文首先借助于 Gauss-Markov 模型下两个多维备选假设检验的理论,将变形监测网单个备选假设下的灵敏度,在顾及模型误差的情况下,扩展成监测网的可区分性理论,提出了监测网的可区分性和区分可靠性概念;其次,对于监测网在三种典型变形模型(单点移动,错动和均匀应变)下变形与粗差的可区分性进行了讨论,获得了一些有益的结论。     

判断观测值粗差能否发现和定位的一种验前方法

由于最小二乘(LS)残差统计相关，使得粗差发现和定位关系变得相当复杂，且至今未见有效的理论和方法。作者依据在LS平差前进行粗差发现和定位的思路，有意避开LS残差统计相关的难题，从条件平差模型推导出粗差判断方程(GEJE)Vr＝JVt Wc建立起以上式判断矩阵J为基础的粗差发现和定位的判断准则：1．不能发现含有粗差的观测量；2．能发现含有粗差但不能定位粗差的观测量。通过算例的检验，证明了判断矩阵J与控制网中观测量数据结构的对应关系，同时说明粗差不能定位的观测量，再好的粗差检测方法也无法正确定位粗差。     

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。     

动态平差概括模型与假设检验

建立了包括各种静态平差模型和线性动态平差模型的动态平差概括模型，推导了其主要求解公式。对动态平差概括模型下的形变检验和形变与粗差的可区分性检验作了公式推导和理论分析，丰富了形变监测数据处理理论。     

动态平差概括模型与假设检验

建立了包括各种静态平差模型和线笥动态平差模型的动态平差概括模型，推导了其主要求解公式。对动态平差概括模型下的形变检验和形变与粗差的可区分性检验作了公式推导和理论分析，丰富了形变监测数据处理理论。     

GNSS-A水下定位的动态非线性Gauss-Helmert模型及其抗差总体卡尔曼滤波算法

GNSS-声学组合式观测是确定海底控制点位置的重要手段,但会受到声速不确定性、海面平台定位偏差等误差因素的干扰,而基于误差传播定律的常规方法对各类误差的处理策略使得海底点坐标解算不准确。针对这一问题,本文将声速测距误差非时变项设为待解参数,在水下观测方程的系数矩阵中讨论声速测距误差时变项与换能器位置误差的影响,构建了GNSS-声学水下定位的动态非线性高斯-赫尔默特(Gauss-Helmert, GH)模型,并推导了该模型的总体卡尔曼滤波解。在此基础上,进一步考虑扩展后的观测信息受到粗差污染的情况,给出了模型的抗差处理方法及解算步骤。最后分别通过仿真试验和胶州湾海域实测试验进行了验证,试验结果表明,在不同深度或不同换能器位置误差大小的无粗差设定下,本文方法解算精度及稳定性较常规方法均更高;当观测信息含有粗差时,模型的抗差滤波算法能更准确地识别及定位异常信息,其三维点位精度明显更优,解算效果达到最佳。     

粗差定位方法试验与研究

本文用不同布点方案、带有不同分布和不同大小粗差的模型,对三种常用的粗差定位方法和本文推荐的分步粗差定位方法进行了大量而系统的试验,经过对比发现,分步粗差定位法比其他方法要淮确、可靠。     

动态平差模型下形变与粗差的可区分性研究

从形变监测数据处理中常用的动态平差模型出发，推导了研究形变与粗差可区分性的公式，给出在形变模型统计检验的同时统计检验粗差的方法与步骤，对垂直形变监测网的可分性作了详细讨论和实例分析，得出几点结论。     

基于未确知有理数的VRS综合误差粗差探测与修复

虚拟参考站VRS(Virtual Reference Station)技术是GPS网络RTK中一种比较成熟的、可实时提供厘米级精度导航定位信息的技术.它主要利用网络内所有基准站原始观测数据,在流动站附近实时模拟一组参考站数据(包括参考站坐标和GPS载波相位观测值).其基准站综合误差粗差对定位结果有直接的影响.这里从粗差的偶然性和孤立性出发,提出了基于未确知有理数的粗差探测与修复方法.阐述了该方法的滤波原理及参数取值原则,解决了传统粗差判别中定位不明确和遮蔽的问题.通过求未确知期望值实现粗差修正,不会造成有效信息的丢失.实验数据的处理结果表明,基于未确知有理数滤波法能够有效地实现粗差修正与数据平滑处理.