基于选权迭代法的抗差整体最小二乘及其应用

在测量数据处理中,观测向量与系数矩阵同时存在偶然误差时,整体最小二乘法能够得到更高精度的参数解,但整体最小二乘法无抗差能力,观测向量中的粗差将对参数求解产生较大影响。为解决上述问题,采用拉格朗日极值法推导了基于选权迭代法的抗差整体最小二乘计算公式,通过三维坐标转换参数求解实例对3种选权迭代法进行分析。结果表明,IGG法在抗差整体最小二乘解法中抗差效果最好。     

选权迭代法残差初值求解方法比较

针对抗差估计选权迭代法残差初值缺陷的求解问题,该文基于选权迭代法的基本理论深入分析了最小二乘估计、最小一范数估计和最小截平方和(LTS)3种残差初值求解方法,探究以3种方法求解残差初值为基础的选权迭代法的适用范围和抗差效果。通过实例验证表明,LTS方法残差初值具有较强的稳健性,基于LTS的选权迭代法抗差效果优于其他2种方法,具有较强的粗差探测能力。     

抗差估计的选权迭代法分析与比较

在抗差稳健估计中,选权迭代法应用最广,较易理解,M估计法计算简单。基于M估计的基本理论,深入分析Huber、Hampel、IGG3种常用的选权迭代法,并利用水准网数据,分析这3种常用选权迭代法的适用范围和相应的抗差效果,表明IGG法比其他两种的抗粗差效果要好,且易实现。     

自适应抗差最小二乘估计

抗差估计与最小二乘估计在相应条件下各具优点。特定的抗差估计极值函数只在特定的污染分布条件下显示其抗差性和优效性。本文研究最小二乘估计，抗差估计以及抗差估计类之间的自适应估计问题。重点讨论了适于测量平差计算的误差分布检验量以及自适应抗差极值函数和权函数的构造与选择，最后人出了自适应抗差最小二科解算积式。     

基于VB6.0的水准网抗差估计程序设计与开发

针对当前水准网平差软件不能满足用户粗差探测需求的现状,基于VB6.0编写了水准网抗差估计程序,本程序可以在固定基准、秩亏基准、拟稳基准下对水准网平差,并利用7种不同的选权迭代法进行抗差估计,达到抗粗差干扰的目的.本文选用IGG-Ⅲ法在3种不同基准下进行抗差估计,结果验证了程序的正确性和可靠性.     

M估计的权函数选取及其抗差性比较

M估计的目的就是为了实现参数估计的稳健性,为了实现这一目的,一般遵循大误差以小权,小误差以大权,等价权公式可以通过数值模拟经验地确定的原则。对几种不同的估计方法的权函数选取进行了详述,并将参数稳健估计的思想应用到半参数模型估计中,提出了半参数模型抗差广义补偿最小二乘估计;通过算例对其稳健性进行了比较。得出了结论。     

具有LMS稳健初值的选权迭代法

基于选权迭代法的基本理论,文中提出先用LMS稳健估计来确定残差的初值,然后再进行选权迭代方法。其估计结果既继承LMS方法的高失效点(BP)稳健性,又具有选权迭代法的高估计效率,其计算结果与无异常点时最小二乘估计结果基本一致。     

模拟退火法及其在抗差估计中的应用

抗差估计结果的好坏与初值的选取密切相关。当迭代初值偏离较大时,ρ函数不是严凸时,采取的选权迭代法往往不能获得全局最优值,而只能得到局部的最优解。本文提出一种新的抗差估计求解过程,即把它看作是关于未知参数的全局最优化问题,应用模拟退火法进行求解。计算结果表明:相对于传统的选权迭代法,模拟退火法对初值的选取不敏感,能给出全局最优值。     

广义非线性最小二乘测量参数平差的快速差分迭代解算

本文针对"数字化建设"中涉及的多类型、多精度、多源、动态非线性最小二乘测量参数平差问题,提出了一种新的解算模型。该模型通过构造适当的差分点列,避免了一阶或二阶导数计算,对于模型复杂,或者导数不存在的函数模型而言,具有计算量小、收敛速度快等特点。     

抗差估计的多波束测深数据内插方法

针对传统多波束测深数据网格化内插方法抗差性不足的问题,该文将抗差估计理论应用于网格化内插方法中。基于不确定度指标建立了距离不确定度联合加权内插模型,在该模型的权函数中引入了等价权,同时给出了等价权设计方案及迭代初值确定原则,以增强模型的抗差性;介绍了一种节点邻域参考点合理选取方法,给出了改进内插法实现的基本步骤,最后通过实测数据对反距离加权法、联合加权法及改进方法内插水深质量进行比较。结果表明,改进方法内插结果要优于另外两种方法,可应用于多波束测深数据网格化处理中。     

基于抗差估计的实时单站GPS同震速度获取方法

基于实时单站GPS载波相位历元差分测速模型,引入抗差最小二乘估计,并根据IGGⅢ方案选择合适的等价权因子来削弱小周跳和粗差对结果的影响,并采用一组静态数据和2011年日本"3.11"地震期间MIZU站的高频数据对算法进行测试。结果表明,在含有小周跳和粗差的情况下,抗差最小二乘估计能够明显改善解算速度,可以实时获取测站毫米级的同震速度。     

变差函数权值估算的移动最小二乘匹配点云粗差剔除

现有密集匹配点云数据已实现了地表3维信息的精细化表达,然而由于误匹配,此类点云往往包含一定数量粗差点并影响后续应用的处理效果。针对此类数据中误匹配所产生粗差点的剔除问题,将变差甬数引入移动最小二乘(MLS)粗差剔除算法。变差函数对MLS拟合区域内点对间的相关性进行估算,以此为依据设置权值对最小二乘的结果进行优化;然后利用MLS局部、分区域地对点云进行曲面拟合;最终根据拟合结果剔除粗差。利用A3数字测图系统生成的城区、山区密集点云数据进行实验,并将处理结果、等权MLS处理结果与人工剔除结果进行对比。实验结果表明该算法可有效对点云中的粗差进行剔除,相较于等权MLS粗差剔除算法,陔算法在城区、山区的误判率分别降低了5.16%和1.31%。