均方误差意义下的正则化参数二次优化方法

Tikhonov正则化法是大地测量中应用最为广泛的病态问题解算方法之一。影响正则化法解算效果的重要因素是正则化参数,然而,最优正则化参数的确定一直是正则化解算的难题,如L曲线法确定的正则化参数具有稳定性好、可靠性高的优点,但存在过度平滑问题,导致正则化法对模型参数估值精度改善较小。本文从均方误差角度分析了正则化参数对模型参数估计质量的影响。基于奇异值分解技术,提出了由模型参数投影值分块计算均方误差的方法,避免了均方误差迭代计算,并基于均方误差最小准则给出了正则化参数优化方法,实现了对L曲线正则化参数的优化。数值模拟试验与PolInSAR植被高反演试验结果表明,正则化参数优化方法有效改善了正则化法解算效果,提高了模型参数估计精度。     

短基线集InSAR形变模型的不适定问题解算方法研究

SBAS InSAR技术广泛应用于大尺度长时间序列的矿区、城市、地震等不同类型地表形变监测。但在利用该技术进行监测地表形变中发现,其形变模型的解算存在着病态和秩亏两类不适定问题,严重影响着形变信息反演的精度和可靠性。本文以SBAS InSAR技术为基础,针对其形变模型最小二乘解算中的病态问题,提出了基于Liu估计的有偏迭代估计法和Tikhonov正则化方法;针对秩亏时奇异值分解反演形变量和形变速率不稳定的问题,改进了Landweber迭代法,并将其应用到秩亏的SBAS InSAR形变模型解算中,反演出更准确的形变信息。     

单频GPS短基线快速定位中的少数历元算法

研究了短基线时利用少数历元的单频GPS载波相位观测值进行快速定位的一种算法。基于TIK-HONOV正则化原理，选择了一种具有物理意义的正则化矩阵，以减弱法矩阵的病态性。新算法只需解算几个历元的单频GPS相位数据，就可得到比较准确的模糊度浮动解及其相应的均方误差矩阵，用均方误差矩阵代替协方差阵，结合LAMBDA方法，可准确、快速地确定模糊度，最后得到基线向量的解。结合短基线算例，将少数历元算法与最小二乘估计的结果作了比较分析，得出了新解法的有效性。     

航空重力向下延拓的多参数正则化方法

为了克服航空重力向下延拓解算的病态性影响,介绍了一种多参数正则化方法,以均方误差最小为目标函数,设计了选取正则化参数的迭代算法,并比较了基于L曲线法、广义交叉核实(generalized cross-validation,GCV)方法选取正则化参数的Tikhonov正则化方法,同时给出了均方误差意义下多参数正则化解优于最小二乘估计的条件。基于EGM2008地球重力场模型进行了仿真试验,计算结果表明,多参数正则化方法能够保证向下延拓结果的可靠性和稳定性,并优于现有的Tikhonov正则化方法,验证了多参数方法在航空重力向下延拓中的可行性。     

病态总体最小二乘平差方法的比较与分析

Tikhonov正则化和截断奇异值法是解算病态总体最小二乘问题的有效方法。本文对比分析了Tikhonov正则化总体最小二乘算法和截断奇异值分解法二者各自的适用范围,通过两个算例分析表明,Tikhonov正则化算法适用范围广,可以有效地处理病态总体最小二乘问题,而截断奇异值分解法适用范围窄,仅适用于增广矩阵的奇异值呈阶梯型分布的情况。     

利用最优正则化方法确定Tikhonov正则化参数

基于均方误差最小意义下运用最优正则化方法确定正则参数,推导了计算最优正则参数的公式,并结合算例分析比较了求解病态方程的L-曲线法、GCV法等常用的方法,算例表明,基于最小均方误差的Tikhonov正则化参数优化选取方法是一种可行有效的方法。     

融合海域多源重力数据的正则化点质量方法

针对传统点质量方法在融合处理多源重力数据过程中可能出现的病态性问题,特别引入Tikhonov正则化方法,对点质量法计算模型进行正则化改造,建立了相应的正则化点质量解算模型。使用EGM2008位模型模拟产生航空重力和海面船测重力数据进行了融合处理仿真试验。实际验证结果表明,正则化处理方法能够有效抑制病态系数矩阵小奇异值放大噪声对点质量解的污染,提高解算结果的精度和稳定性。     

一种考虑随机模型精化的单频单历元算法

研究了一种适合变形监测的考虑随机模型精化的单频单历元算法。分析了单频单历元相位双差观测方程法矩阵的特性;基于吉洪诺夫正则化方法,将秩亏的法方程由秩亏变为满秩,得到模糊度的浮动解及其相应的均方误差矩阵,结合LAMBDA方法可准确地固定模糊度,得到基线向量的单历元解;给出了实时权的计算公式,用实时权代替固定权,提高了解算模糊度的成功率。通过一个3km长的基线算例说明算法的效果。     

均方误差意义下正则化解优于最小二乘解的条件

利用矩阵理论导出了均方误差意义下正则化解优于最小二乘解的条件，构造了相应的检验统计量，推导出的条件式及其相应的假设检验适合于各种正则化矩阵类型的Tikhonov正则化方法。     

单频GPS静态定向中整周模糊度的快速解算

针对GPS快速静态定向中法矩阵严重病态的特点,采用了载波和伪距联合解算及Tikhonov正则化方法,改善了法矩阵的病态性,实际算例表明该方法是有效的、可行的.     

有偏迭代估计在短基线集形变模型中的应用

进行SBAS技术时,选择的干涉对一般会出现一景影像和其他几景影像干涉的现象,导致构建的线性形变模型病态。在这种情况下,最小二乘法求解SBAS线性形变模型已不太适合。针对这一问题,本文结合Liu估计的有偏迭代法在求解病态线性模型时能够克服病态性对结果的影响,提出将此方法应用到求解SBAS线性形变模型中。以覆盖济宁地区的13景ENVISAT ASAR数据展开了SBAS技术在城市地面沉降监测中的应用实验,分别利用LS法、基于Liu估计的有偏迭代法解算形变模型。结果表明,基于Liu估计的有偏迭代法获得研究区的年平均沉降速率标准差比LS法获得的低1.4,且其求解的结果相较于LS法获得的结果更准确、稳定。     

最优Tikhonov正则化矩阵及其在卫星导航定位模糊度解算中的应用

首先,用贝叶斯（Bayes）统计理论的观点,把未知参数看作随机变量,引入未知参数的无信息先验分布函数,从数学上推导了均方误差最小意义下的正则化矩阵;然后,结合最优正则化矩阵和快速截断奇异值算法,提出了一种新的正则化方法;最后,探讨了新方法在全球卫星导航系统（Global Navigation Satellite System,GNSS）模糊度解算中的应用。通过一组GNSS模糊度解算实验,比较了最小二乘（least squares,LS）方法、L曲线岭估计和新方法的性能。结果表明,新方法解算成功率略高于L曲线岭估计,远高于LS方法;计算耗时略大于LS方法,远小于L曲线岭估计。     

一种解算病态问题的方法--两步解法

提出了一种解算病态问题的方法———两步解法。在两步计算中,均采用L曲线法来确定正则化参数α。通过算例,比较了该方法和LS估计、岭估计及截断奇异值方法的效果。结果表明,该方法要明显优于LS估计、岭估计及截断奇异值法。     

一种改进的病态问题奇异值修正法

基于Gaussian滤波函数和Tikhonov滤波函数的联系,选择Gaussian滤波函数作为正则化矩阵,提出了一种改进的病态问题奇异值修正法——Tikhonov-Gaussian法。通过球体重力模型数据的向下延拓仿真实验,验证了改进的奇异值修正法优于标准的Tikhonov修正法。     

基于SBAS的矿区形变监测研究

由于使用的SAR图像较少,缺乏多余观测,传统的DInSAR测得的形变可靠性较差.此外,受InSAR观测周期以及空间和时间基线的限制,多数情况下很难将离散的DInSAR观测连接起来,获得时间上连续的沉降场,从而揭示研究区域的沉降演化情况.运用小基线集(SBAS)技术,通过虚拟观测值的方法,对DInSAR获取的相位进行后处...     

SBAS技术在南京河西地表沉降监测中的应用

由于地质条件的影响及城市化进展的不断加快,南京河西地区地面沉降日趋明显。本文以2007-2011年16景日本ALOS PALSAR卫星升轨数据为例,采用SBAS技术分析了河西地区的沉降趋势,反演了研究区的地表形变场,并与水准测量数据进行了对比,验证了SBAS用于沉降监测的准确性和时效性。     

宁波地面沉降的短基线集监测与分析

针对传统地面沉降监测手段精度高,但监测周期长、空间分辨率低、人力物力耗费大等问题,该文基于短基线集时序分析技术提取了宁波地区的地表形变信息。首先根据短基线集技术监测结果分析了宁波地区地面沉降分布特征,然后对宁波东部新城的沉降进行了精细化分析,并给出了其沉降原因。结果表明:宁波地区地面沉降整体呈现弱发育特征,部分地区存在轻微地面隆起现象,东部新城地面沉降呈现中度发育特征,并存在不均匀沉降现象,快速的城市化建设是东部新城地面沉降的主要原因。     

利用InSAR技术监测石油开采引起的地表形变

随着人类工业文明的不断发展,石油成为重要的化工资源。然而,石油开采带来的负面影响却日益凸显,如环境污染、资源枯竭、开采安全问题等。由石油开采导致的地面沉降则是这些问题里最不容忽视的,石油开采会导致油层中地下压力的减少,造成油层的紧密压实。当压密的数值达到一定量时,就会引起地表下沉。在城市区域内,地表形变会影响各种生产设施的安全使用。本文以国内某油田为试验对象,利用短基线集技术（SBAS）进行处理,对石油开采时引起的地表沉降进行监测,综合分析其地表形变速率、范围,以及地面变形影响因素,为生产单位和当地政府部门提供决策依据。     

正则化的奇异值分解参数构造法

Tikhonov正则化法引入正则化参数和稳定泛函来改善矩阵的病态性。稳定泛函表示为参数的二范约束时,正则化矩阵为单位阵的正则化法即为岭估计法。通过对岭估计的方差与偏差进行分析可知,岭估计改善矩阵病态性的同时也过度地引入了偏差,降低了解的可靠性,对较大奇异值的修正不能有效地减小估计的方差,却引入了偏差,而对较小奇异值的修正可有效地减小估计的方差。因此,选择较小奇异值特征向量构造正则化矩阵,调节各奇异值的修正,可有效减小参数估计的方差,减少偏差的引入,得到更为可靠的参数估计。通过试验证明了该方法的有效性。