Gauss-Markov模型参数的部分根方估计

在分析根方估计，Stein均压缩估计，Sclove部分压缩估计各自特点的基础上，提出了一种新的有偏估计－部分根方估计，并讨论了它的优良性质。计算结果表明，在设计阵呈病态时，部分根方估计确能改善LS估计。     

Gauss-MarkOV模型参数的部分根方估计

在分析根方估计、Stein均匀压缩估计、Sclove部分压缩估计各自特点的基础上,提出了一种新的有偏估计——部分根方估计,并讨论了它的优良性质.计算结果表明,在设计阵呈病态时,部分根方估计确能改善LS估计.     

单位权方差的岭估计和压缩估计

本文提出了求单位权方差的有偏估计方法─岭估计和压缩估计，证明了在一定条件下，岭估计和压缩估计的均方误差要小于最小二乘估计的约方误差，提出了求岭参数和压缩系数的方法。     

随机效应线性模型中随机回归系数的泛岭估计类

本文提出了随机效应线性模型中随机回归系数的一个线性有偏估计类（称为泛岭估计类）；通过偏参数的不同选择，构造了许多很有意义的线性有偏估计；并讨论了泛岭估计的优良性和可容许性，获得了若干深入的结果。     

TLS估计性质的进一步讨论

通过对整体最小二乘估计进行分析,给出了未知参数估计及残差的统计性质。理论上得出它们均是有偏的,并且它们之间存在一定的线性关系。受系数矩阵误差影响,导致与传统最小二乘的相关结论有所区别。通过与最小二乘估计进行比较,证明了整体最小二乘估计为膨胀型有偏估计;同时得到了整体最小二乘估计的方差和均方误差的计算公式,严格论证了其值均大于最小二乘估计的方差和均方误差,因此当设计矩阵病态时整体最小二乘估计更易受病态性的影响。最后,对整体最小二乘估计与最小二乘估计之间的不同距离进行了比较,给出了选择的判定定理。     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计———双k型岭估计。由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法。最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性。     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计--双k型岭估计.由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法.最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性.     

Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计———岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计。     

Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计--岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计.     

秩亏网伪逆平差值的修正估计

本文在[1]的基础上提出了秩亏的带权测量平差模型中禾知参数向量的一种线性有偏估计——秩亏网伪逆平差值的修正估计,并着重讨论了该估计在均方误差意义下改进最小二乘估计的优越性、可容许性及新产生的偏差。最后通过实例验证了所得结果。     

线阵推扫式影像外定向的一种新算法

线阵推扫式影像外方位元素间的强相关性,导致法方程病态,外方位元素的最小二乘估计值误差较大.本文提出采用岭-压缩组合估计解决线阵列推扫式影像的外定向问题.该算法是综合岭估计和压缩估计的一种新有偏算法,它通过对最小二乘估计值的不同分量进行不同比例的压缩使估计值最优.文中采用10 m分辨率的SPOT 1全色影像和2.5 m分辨率的SPOT 5全色影像进行实验,并与商业遥感软件Erdas的实验结果进行比较.研究结果表明该算法能有效地克服线阵推扫式影像外方位元素间的相关性,定位精度较高,定向点精度在1个像素内,检查点精度在1.5个像素内,达到Erdas软件的定位精度.     

选取岭参数的一个新方法

当法方程的系数阵呈病态时,平差参数的最小二乘估计不再是一个良好好估计。为改进最小二乘估计,许多学者提出众多的有偏估计方法,其中影响最大的是岭估计和主要估计。     

重复中值估计及其在坐标变换中的应用

最小二乘估计作为一种最优估计被广泛地应用于测量数据处理之中,因为它是建立在观测值误差符合正态分布这个假设前提下的,所以其统计数学模型缺乏抗拒粗差的能力。为了克服这个缺点。Robust估计得到迅速发展并逐步被应用到各个领域之中。本文在坐标变换中采用了重复中值估计(Robust估计中的一种方法),并将其与最小二乘估计的结果作了比较,从而阐明了中值估计的基本原理及其应用。     

平差参数的抗差特征根估计

在有偏估计的特征根方法基础上 ,利用等价权方法 ,提出一种新的估计—抗差特征根估计。它既能有效地克服设计阵复共线性的影响 ,又可显著地抵抗粗差的干扰。从而提高了参数估值的准确性、稳定性和可靠性。     

抗差泛岭估计

本文应用现代估差估计理论,提出了一个抗差有偏估计类（抗差泛岭估计类）并且建立了抗差泛岭估计的计算方法。理论分析和模拟计算表明,抗差泛岭估计具有既可克服法矩阵病态性影响又可抵抗粗差干扰的良好性质。     

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。     

Least-squares variance component estimation

Least-squares variance component estimation (LS-VCE) is a simple, flexible and attractive method for the estimation of unknown variance and covariance components. LS-VCE is simple because it is based on the well-known principle of LS; it is flexible because it works with a user-defined weight matrix; and it is attractive because it allows one to directly apply the existing body of knowledge of LS theory. In this contribution, we present the LS-VCE method for different scenarios and explore its various properties. The method is described for three classes of weight matrices: a general weight matrix, a weight matrix from the unit weight matrix class; and a weight matrix derived from the class of elliptically contoured distributions. We also compare the LS-VCE method with some of the existing VCE methods. Some of them are shown to be special cases of LS-VCE. We also show how the existing body of knowledge of LS theory can be used to one’s advantage for studying various aspects of VCE, such as the precision and estimability of VCE, the use of a-priori variance component information, and the problem of nonlinear VCE. Finally, we show how the mean and the variance of the fixed effect estimator of the linear model are affected by the results of LS-VCE. Various examples are given to illustrate the theory.