一般性问题

CH20060001L1范估计的巴尔达型检验及其可靠性=Baarda Test and Its Reliability inL1-Norm Esti mation/彭军还(重庆大学土木工程学院)∥测绘学报.-2005,34(3).?208~212根据残差与真误差的Bahadur型关系,L1范估计中,粗差几乎完全反映到相应的残差上,这就是L1范估计能正确定位粗差的原因。对L2范估计,粗差只是部分地反应到相应残差上,由此会导致粗差误判。根据L1范估计的残差及其方差,构造了L1范估计的巴尔达检验统计量,并讨论了L1范估计的可靠性。与L2范估计的可靠性比较,L1范估计的可靠性受多余观测的影响小。表1参20CH20060002…     

Lq估计的渐近方差-协方差矩阵及其特点

针对由独立同分布误差膨胀而成的独立不等精度误差,根据未知参数的M估计的Bahadur型线性表达式,本文导出了由观测量、残差向量、参数估计量和观测量平差向量组成的基本向量的Bahadur型表达式.进一步地,根据方差传播定律导出了M估计的基本向量的渐近方差-协方差矩阵,该矩阵由3个多余参数决定,第三多余参数由本文定义.对Lq范估计,分别计算了误差分别为正态分布和q范分布时的3个多余参数,以及相应的基本向量的方差协方差矩阵.对最小二乘估计,残差向量与参数估计量和观测量的平差向量统计独立,相应的协方差矩阵为零,这一性质与误差分布无关.对正态分布的Lq估计,残差向量与参数估计量和观测量平差向量的协方差不为零;而对q范分布的Lq估计,即是相应的极大似然估计,残差向量与参数估计量和观测量平差向量的协方差为零.文中所得公式和结论可用于统计分析.     

稳健初值的选权迭代法剔除DEM数据粗差

本文将抗差估计的思想融入到数字高程模型粗差探测的算法中,设计出对模型误差、特别是粗差具有抵抗能力的粗差探测算法.稳健初值的选权迭代法即为抗差估计的一种,首先是通过线性规划的单纯形解法来计算观测值的残差,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得观测值的残差,然后按照统计检验的方法...     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

基于验后方差估计原理导出的选权迭代法剔除粗差

将抗差估计的思想融入到粗差探测的算法中,设计出对模型误差,特别是粗差具有抵抗能力的粗差探测算法。基于验后方差估计原理导出的选权迭代法即为抗差估计的一种,首先是应用最小二乘法来计算观测值的参数x赞、残差v、协因数阵Qvv及单位权Q赞0的初值,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得观测值的残差,然后按照统计检验的方法剔除粗差。通过实验证明,基于验后方差估计原理导出的选权迭代具有很强的粗差探测能力。     

基于验后方差估计原理导出的选权迭代法剔除粗差

将抗差估计的思想融入到粗差探测的算法中,设计出对模型误差,特别是粗差具有抵抗能力的粗差探测算法.基于验后方差估计原理导出的选权迭代法即为抗差佑计的一种,首先是应用最小二乘法来计算观测值的参数x、残差V、协因数阵Qvv及单位权σ0 的初值,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得...     

具有稳健初值的选权迭代法曲面拟合模型粗差探测

将抗差估计的思想融入到二次曲面模型粗差探测的算法中,设计出对模型误差特别是粗差具有抵抗能力的粗差探测算法。稳健初值的选权迭代法即为抗差估计的一种,首先是通过线性规划的单纯形解法来计算观测值的残差,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得观测值的残差。通过实例证明,具有稳健初值的选权迭代法具有较强的稳健性和粗差探测能力。     

基于抗差EKF的GNSS/INS紧组合算法研究

提出了GNSS/INS紧组合导航的抗差EKF算法,采用21状态GNSS/INS紧组合状态方程,根据多余观测分量及预测残差统计构造抗差等价增益矩阵,建立抗差EKF算法,通过迭代给出GNSS/INS组合导航的抗差解,并开发GNSS/INS紧组合导航模拟平台,通过对观测值加入单粗差、多粗差及缓慢增长三类误差,测试本文算法对不同粗差的抑制能力。分析表明,抗差EKF可以将三类粗差抑制在相应观测值的残差中,达到削弱其对状态参数估计的影响。本文算例证明,抗差EKF算法可将导航解的误差精度从dm级提高为cm级甚至mm级,导航精度及可靠性得到明显提高。     

顾及模糊逻辑关系的稳健估计

首先给出了标准化残差受粗差污染的隶属函数，进而导出了观测误差与残差之间的模糊逻辑关系，以及观测误差属于粗差的隶属函数。最后提出了顾及模糊逻辑关系的稳健估计算法。计算结果表明，顾及模糊逻辑关系的稳健估计能有效地抵制粗差的影响，并能正确地定位粗差     

影响方程与粗差定位

本文推导了粗差对标准化残差（简称残差）的关系式，建立了影响方程，直接利用其定位粗差，将粗差对残差的影响分为三种情形：（1）只有一个粗差；（2）有多个粗差但对相互残差的影响系数较小；（3）有多个粗差；（2）之外的情形。根据这三种不同的情形，按照一定的准则，选择相应的“假定粗差”，利用影响方程求解来判别粗差。大量试算表明：对于（1），（2）两种情形，可在平差后求解对粗差直接定位，而无需多次回代判别，比传统方法节省（成倍节省）大量计算时间，对于经三种情形，利用影响方程求解，并采用回代，粗差定位效果比传统方法要好，它避免了传统方法有时会发生的错误，同时又弥补了人工智能法的某些缺憾，保证了定位的正确性。     

一次范数最小估计的两种算法

测量数据服从正态分布情况下,最小二乘估计具有最优统计性质,如果测量数据受到粗差干扰而偏离正态分布,就会使最小二乘估计的最优性受到严重冲击,而且估计失实。然而,若采用一次范数最小估计,则所得结果比较好。介绍一次范数最小估计(L1估计)的两种算法——选权迭代法和线性规划法,并通过Matlab模拟实验比较这两种方法的优缺点,证明L1估计的良好抗差性。     

L1范数探测粗差失效的观测量识别方法

粗差发生时,L_1范数估计求得的条件方程闭合差较最小二乘估计(LS)的残差更能集中反映粗差,从而有助于粗差的发现与定位。然而,存在一类观测值,虽然其具有粗差发现和定位能力,但在采用L_1范数估计解决粗差探测问题时,无论含有多大量级粗差都不能准确定位,为叙述方便,称其为L_1抗差性失效点(robustness failpoint in L_1-norm estimation,RFP-L_1)。显然,只有判定测量系统不存在RFP-L_1,或存在时能够准确判断其是否含有粗差,才能保证基于L_1的粗差探测结果的准确、可靠,此过程中,RFP-L_1的识别是问题解决的基础。本文由条件方程,推导出观测值粗差对条件方程闭合差绝对值和的影响系数计算式,得到了最小影响系数大小与观测值是否为RFP-L_1的判别关系,并探讨了存在RFP-L_1的测量系统设计矩阵数值特点,提出了判断RFP-L_1观测值的方法。仿真试验表明,最小影响系数反映了观测值粗差对L_1范数估计目标函数的影响大小,非RFP-L_1和RFP-L_1的最小影响系数具有分别等于1和小于1的规律性,同时得出,若观测方程中系数矩阵只有±1和0,对应的观测量均不属于RFP-L_1。     

具有稳健初值的选权迭代法

提出先采用线性规划来确定残差的初值，然后再进行选权迭代这样一种方法，其估计结果既具有线性规划的稳健性，又具有最小二乘的最优性。试验表明，这种基于线性规划的稳健估计具有很强的稳健性和检测粗差的能力，其计算结果与没有粗差时的最小二乘估计结果一致，且方法简单、可靠、实用。     

异常形变检测方法探讨

在讨讼以往方法的基础上,将拟准检定法拓展用于发现异常形变。该方法直接以真误差为研究对象,避免了其他方法以最二乘残差及其函数为研究对象的缺点。最后通过一个算例,简单介绍了拟准检定法检测异常形变的实施过程。     

Measuring the robustness potential of the least-squares estimation: geodetic illustration

For a linear least-squares parametric model analysis is carried out of the structure of the projection operator transforming the vector of standardised observations into the vector of standardised residuals. On this basis the properties of the model responses to observational disturbances (i.e. gross errors or blunders) are derived. A final outcome of the research can be summarised as: (1) proposing the robustness characteristics of a model and linking them with the local measures of internal reliability, being the diagonal elements in the projection operator; (2) determining the internal reliability levels satisfying specified robustness requirements, i.e. the possibility of detecting at least one of the k observational disturbances (k=1,2,…) having most disadvantageous locations in the system. The theory and a numerical example show that for the systems which have been designed to a proper level of internal reliability, the least-squares estimation can demonstrate an accordingly high level of robustness. Received: 11 June 1996 / Accepted: 28 April 1997     

利用序列平均的高精度GPS基线解算模型

系统分析了改进随机模型和改进函数模型两类GPS基线解算模型的优缺点,在此基础上,提出了一种基于序列平均的高精度GPS基线解算模型,即采用动态单历元技术进行静态基线解算,充分利用多路径效应的低频特性,采用小波变化理论,对坐标序列进行多路径效应的去除,提取低频残差项进行序列平均,得到基线向量解。同时,以动态坐标序列为依据,对出现粗差历元或者卫星进行处理,有效弥补了仅采用残差序列进行粗差判断的不足,提高了基线解算的精度和可靠性。实验表明,新模型可以更为有效地削弱多路径效应的影响,而且对于较短的观测时间尤为突出;结合坐标序列和残差序列,能更为有效地进行粗差的探测和去除,提高基线解的精度和可靠性。     

Approximate representation of thep-norm distribution

［1］Liu D J,Shi W Z,Tong X H,et al.Precision analysis and quality cont rol of GIS spatial data.Shanghai:Shanghai Publishing House of Scientific Documen ts,1999 ［2］Chen X R,Fang Z B,Li G Y,et al.Non_parameter statistics.S hanghai:Shanghai Publishing House of Science and Technology,1989 ［3］Li Q H,Tao B Z.Application of probability statistical theory in survey ing.Beijing:Beijing Publishing House of Surveying and Mapping,1982 ［4］Sun H Y.p_norm distribution theory and its application in surveyin g data processing:[Ph.D Thesis].Wuhan:Wuhan Technical University of Surveying and Mapping,1995     

最小二乘估计残差的统计性质和应用

最小二乘估计求得的观测值残差,有多种形式的定义,它们具有不同的分布。本文论述它们的概率分布和性质并讨论其用途。编算了多余观测分量r_i和标准化残差e_i的临界值表。此外,应用线性变换求得了不相关残差W=U~TV和S=D_W~(-1/2)W 。建议用S作粗差检验,本文编制了相应于这种检验的max|S_i|的临界值表,最后计算了一个实测的测边网,用求得的各种残差作了统计检验。     

L1-norm pre-analysis measures for geodetic networks

 Several pre-analysis measures which help to expose the behavior of L ₁ -norm minimization solutions are described. The pre-analysis measures are primarily based on familiar elements of the linear programming solution to L ₁-norm minimization, such as slack variables and the reduced-cost vector. By examining certain elements of the linear programming solution in a probabilistic light, it is possible to derive the cumulative distribution function (CDF) associated with univariate L ₁-norm residuals. Unlike traditional least squares (LS) residual CDFs, it is found that L ₁-norm residual CDFs fail to follow the normal distribution in general, and instead are characterized by both discrete and continuous (i.e. piecewise) segments. It is also found that an L ₁ equivalent to LS redundancy numbers exists and that these L ₁ equivalents are a byproduct of the univariate L ₁ univariate residual CDF. Probing deeper into the linear programming solution, it is found that certain combinations of observations which are capable of tolerating large-magnitude gross errors can be predicted by comprehensively tabulating the signs of slack variables associated with the L ₁ residuals. The developed techniques are illustrated on a two-dimensional trilateration network. Received: 6 July 2001 / Accepted: 21 February 2002