近代测量平差方法和原理

本文主要讨论几种参数估计法的原理,並分析它们之间的内在联系,然后在这个基础上阐述近代测量平差方法,包括滤波,最小二乘配置和卡尔曼滤波。     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

最小二乘原理的进一步推广

本文根据参数估计的原理，讨论在信号X和噪声Δ的协方差Cov（X，Δ）≠0的情况下的滤波问题。导出了更一般的“广义最小二乘原理”，并根据所导出的广义最小二乘原理，得到了滤波问题的最小二乘平差算法及最小二乘平差问题的滤波算法。     

部分最小二乘平差方法及在粗差定值与定位中的应用

部分最小二乘平差是把观测值按照是否含有粗差分成两组 ,对不含粗差的那一组实施最小二乘平差。本文推导了在相关观测条件下的最小二乘原理 ,对这种平差方法的一些估计量的统计性质进行了简单分析 ,结果表明 ,这种方法能够用于粗差估算。本文还详细叙述了用这种方法进行粗差的定值定位的过程 ,即首先根据单位权中误差进行分组 ,然后实施部分最小二乘平差 ,估算粗差的大小。算例表明这种方法的有效性     

复数域总体最小二乘平差

在复数域最小二乘的基础上提出了复数域总体最小二乘平差方法,推导了复数域总体最小二乘和复数混合总体最小二乘的相关公式。通过算例比较分析了复数观测值的残差的模的平方和最小(平差准则1)下及残差的实部和虚部的平方和分别最小(平差准则2)下的复数最小二乘、复数观测值和系数矩阵的残差的模的平方和最小(平差准则3)下及残差的实部和虚部的平方和分别最小(平差准则4)下的复数总体最小二乘方法的优劣。试验结果表明:平差准则1下复数最小二乘较平差准则2下得到的结果更加合理,平差准则3下复数总体最小二乘较平差准则4下得到的结果更为准确;当顾及系数矩阵误差时,平差准则3下复数总体最小二乘要优于平差准则1下复数最小二乘。     

部分最小二乘平差的快速多维粗差定位定值法

根据部分最小二乘平差原理把观测值按照是否含有粗差分成两组,对含有粗差和不含粗差组分别实施最小二乘平差,从而实现粗差的定位定值。针对原部分最小二乘平差法在分组时速度慢、效率低的缺点,利用观测值改正数的特点,改进了分组方法,从而加快了分组速度,提高了粗差探测效率。     

最小二乘谱及其在超导重力观测数据分析中的应用

运用投影理论和基于向量空间中最小二乘平差原理,介绍了最小二乘谱分析方法,给出了最小二乘谱的计算公式。利用加拿大超导重力观测数据实例,讨论了最小二乘谱分析的策略和步骤。     

稳健估计方法提高数据处理精度

介绍了近代平差理论的稳健估计方法,编制稳健估计方法的程序,并通过实例验证,与最小二乘估计进行比较,表明稳健估计在水准网粗差探测和平差计算中优于最小二乘估计方法,并且能够定位粗差,从而进行消除或者减弱,得到较为干净的观测值。因此,稳健估计方法应用于测量平差具有一定的抵抗粗差的能力,从而可以提高数据处理的精度。     

GIS数据误差处理的阻尼最小二乘算法

应用非线性最小二乘平差方法--阻尼最小二乘法研究了数字化数据误差处理,并将该方法与最小二乘条件平差进行了比较.理论和实验表明,在处理较大数字化数据误差时采用阻尼最小二乘平差方法,减弱了在条件方程线性化过程中产生的模型误差,提高了计算精度.     

GIS数据误差处理的阻尼最小二乘算法

应用非线性最小二乘平差方法——阻尼最小二乘法研究了数字化数据误差处理，并将该方法与最小二乘条件平差进行了比较。理论和实验表明，在处理较大数字化数据误差时采用阻尼最小二乘平差方法，减弱了在条件方程线性化过程中产生的模型误差，提高了计算精度。