相关观测的L1范数最小化方法的比较分析

在抵御粗差影响方面,L_1范数最小化方法比最小二乘更具可靠性。求解L_1范数最小化问题,主要有选权迭代法和线性规划法两种方法。针对相关观测,通常采用权阵的对角线元素来构造L_1范数最小化问题的目标函数,这种处理方法容易忽略观测值之间的相关性。如果采用Cholesky分解消去观测值之间的相关性,则容易造成粗差的转移,进而影响抗差功效。本文对上述两种方法进行了比较分析,数值实验结果表明将相关观测转换为独立等权观测,有利于增强线性规划的稳健性,而在探测粗差方面则具有等价性。由于基于选权迭代的方法收敛性较差,故不适合求解L_1范数最小化问题。     

以三维坐标转换为例解算稳健总体最小二乘方法

稳健最小二乘方法能够有效解决平差计算中观测值存在粗差的情况,因此广泛应用于各种实际问题中。在最小二乘方法中,系数矩阵被认为是不含有误差的。然而在实际情况中,系数矩阵中的变量往往也包含观测值,因此不可避免地会被误差污染。为同时考虑系数矩阵和观测向量中的误差,同时对粗差进行探测和定位,本文提出基于选权迭代的稳健总体最小二乘方法,并以三维相似坐标变换为例展示解算过程。通过模拟计算,证明了采用本文提出的稳健总体最小二乘方法,能够较好地达到粗差探测和定位的目的,获得稳健的参数解。     

基于岭估计的粗差探测

针对测量平差Gauss-Markov模型中法矩阵的病态性和观测值的粗差同时存在问题,把岭估计和粗差探测两者的优点结合起来提出了基于岭估计的粗差探测方法.该方法把岭估计看成具有伪观测值的最小二乘估计,然后运用基于最小二乘估计的粗差探测技术探讨岭估计意义下的奇异点,并给出奇异点的检验统计量和判断方法.数值实验表明,新方法在克服病态性的同时能够有效地识别出可疑(可能含粗差)的观测值.     

基于岭估计的粗差探测

针对测量平差Gauss-M arkov模型中法矩阵的病态性和观测值的粗差同时存在问题,把岭估计和粗差探测两者的优点结合起来提出了基于岭估计的粗差探测方法。该方法把岭估计看成具有伪观测值的最小二乘估计,然后运用基于最小二乘估计的粗差探测技术探讨岭估计意义下的奇异点,并给出奇异点的检验统计量和判断方法。数值实验表明,新方法在克服病态性的同时能够有效地识别出可疑(可能含粗差)的观测值。     

判断观测值粗差能否发现和定位的一种验前方法

由于最小二乘(LS)残差统计相关，使得粗差发现和定位关系变得相当复杂，且至今未见有效的理论和方法。作者依据在LS平差前进行粗差发现和定位的思路，有意避开LS残差统计相关的难题，从条件平差模型推导出粗差判断方程(GEJE)Vr＝JVt Wc建立起以上式判断矩阵J为基础的粗差发现和定位的判断准则：1．不能发现含有粗差的观测量；2．能发现含有粗差但不能定位粗差的观测量。通过算例的检验，证明了判断矩阵J与控制网中观测量数据结构的对应关系，同时说明粗差不能定位的观测量，再好的粗差检测方法也无法正确定位粗差。     

GNSS高程拟合中的粗差探测

测量数据中不可避免的存在粗差,当观测值中含有粗差,会严重的影响观测成果的质量。为了对粗差进行探测,选取了数据探测法、稳健估计、多维粗差的同时定位与定值法(LEGE法)对观测值中的粗差进行检验,并进一步利用数据探测法对LEGE法进行改进,将数据探测法、稳健估计、LEGE法以及改进得到的LEGE+数据探测法应用于GNSS高程拟合的粗差探测中。在实验区域,计算结果表明:稳健估计、LEGE法、LEGE+数据探测法具有良好的抵抗粗差的能力;随着含有粗差的观测值数量增多,与稳健估计、LEGE法、LEGE+数据探测法相比,数据探测法的精度会降低;LEGE法和LEGE+数据探测法对含有粗差的观测值具有一定的修正能力。     

基于判断矩阵的观测量粗差发现和定位相关性分析

用布尔矩阵分析、研究判断矩阵,得到观测量粗差发现和定位的相关数以及测量系统的最大可发现粗差和定位粗差数的计算公式.试验证明,当粗差发现和定位相互影响的观测量同时含有粗差时,现行的迭代数据探测法和选权迭代法不可能完全正确定位粗差.通过算例验证了使用布尔矩阵和判断矩阵分析多维粗差发现和定位相关性的有效性和优越性.     

基于EIV模型的稳健估计

EIV（error-in-variables）模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法（TLS）假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法（RTLS）。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。     

选权拟合的粗差参数化平差模型

由于数据探测法、多维粗差同时定位与定值法、拟准检定法以及部分最小二乘法不能同时解算待估参数和粗差,提出了基于选权拟合的粗差参数化平差模型。首先推导了选权拟合的等价模型;在此基础上提出了参数化粗差的平差模型。由于粗差参数化之后观测系统呈现出不适定性,因此,对非粗差部分采取平方和最小的约束,实际上是构造虚拟观测方程。但是,由于事先并不知道粗差的位置,提出了通过搜索来构造虚拟观测方程系数矩阵的方法。算例表明,这种方法用于GPS单点定位可以有效地消除粗差观测的影响。     

基于部分最小二乘岭估计的粗差定值定位

在利用部分最小二乘原理进行粗差定值定位时,模型的法方程矩阵可能存在病态性,使得到的粗差定值定位结果不可靠。文中针对观测数据包含多个粗差且法方程病态问题,利用岭估计处理病态问题,建立部分最小二乘岭估计的粗差定值定位方法,给出粗差搜索步骤,利用迭代算法实现多个粗差的定值和定位。通过模拟算例分析部分最小二乘法、部分最小二乘岭估计在粗差搜索方面的效果,从另一个角度探讨粗差处理方法,推广现有的误差理论,证明文中方法的有效性。     

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。     

SAR图像河流提取的主动轮廓模型的稳健估计算法

针对现有主动轮廓模型无法精确提取SAR图像中河流的难题,提出了一种结合L_1范数和拉普拉斯能量的主动轮廓模型。首先,将Chan-Vese(CV)模型中L_2范数形式的外部能量约束项替换为L_1范数形式的外部能量约束项,得到新的能量泛函;其次,提出了一种基于拉普拉斯核函数的外部能量约束项,并将其添加到上述能量泛函中,同时赋予两种外部能量约束项不同的调节系数;最后,引入曲线内外区域像素灰度绝对中位差的均值替代模型中的常数曲线内外能量权值,以得到完整的提出模型。针对实际SAR图像进行河流提取,结果表明:与现有主动轮廓模型相比,本文提出的模型在河流提取准确性和提取效率两方面具有明显优势。     

剥蚀法计算GPS观测网独立环闭合差

在GPS测量中，往往需要计算三角形、多边形闭合差，以便及时发现观测粗差、衡量GPS观测精度。本文提出了剥蚀法计算GPS观测网独立环闭合差，这种方法利用计算机自动确定观测网中的独立环个数，并计算所有独立环闭合差。它适合各种复杂的观测图形，所计算的独立环个数是唯一的，独立环为观测网中的最小闭合单元，并且环与环之间不出现包含和重复。     

用信息扩散估计进行水准网平差

信息扩散估计 (ISE)是一维参数估计中的较好方法 ,但不便于直接推广到多维参数估计中去。本文根据水准测量的特点 ,巧妙地将其推广到水准网平差这一多维参数估计中 ,部分地解决了信息扩散估计在测量数据处理中的应用问题。     

稳健估计下转换参数系数矩阵定向改正的整体最小二乘

不同空间坐标系在进行坐标转换过程中,利用整体最小二乘(TLS)构建高斯-马尔科夫(Gauss-Markov)模型求解布尔莎-沃尔夫(Bursa-Wolf)七参数模型时,存在已知控制点含有粗差、模型系数阵固定常数参与残差改正的问题。通过对系数矩阵中含误差参数进行改正,并结合稳健估计的方法,对TLS进行迭代定权,解决了已知控制点粗差会对参数计算精度产生影响的问题,同时使得系数矩阵中非常数项得到精确的残差改正。本文通过实验数据证明,此方法可行并且解算精度更优。     

稳健加权总体最小二乘方法

加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。     

基于中位参数法相关观测的抗差加权整体最小二乘算法

在抗差加权整体最小二乘算法中,抗差模型的抗差性与初值的好坏关系极大,若以最小二乘或整体最小二乘估值作为初值,必定会受到粗差污染而影响其抗差性。考虑到观测向量和系数矩阵存在相关性,首先推导了部分变量误差（partial errors-in-variables,Partial EIV）模型的加权整体最小二乘算法,在此基础上提出了一种利用中位参数法求解抗差迭代初值的相关观测抗差加权整体最小二乘算法。然后采用中位参数法确定抗差初值,考虑到可能出现的粗差对观测空间与结构空间的综合影响,基于标准化残差构造权因子函数,实现其抗差解法。仿真实验结果表明,此算法具有良好的抗差性能,其参数估计结果比传统算法精度更高,且随着粗差个数的增加,其抗差稳定性较好。     

双范数混合约束的遥感影像亮度不均变分校正

针对遥感影像内部亮度分布不均匀的问题,提出了一种双范数约束的亮度不均变分校正方法。首先分析了单范数变分Retinex方法的不足,根据反射影像和光照影像的特性构造新的变分模型,利用L₁范数约束反射影像的纹理和细节信息,利用L₂范数约束光照影像的光滑性。为了提高运算效率,采用分裂Bregman方法将变分模型的求解转换为3个子问题交替迭代计算。再对分离出的光照影像进行Gamma校正,取其均值与反射影像进行乘积运算,最后对重建影像进行对比度拉伸处理。试验结果表明,本文方法切实可行,与单范数约束的变分Retinex方法相比,本文方法可以更好地消除亮度不均匀现象和保持影像的纹理和细节信息,同时具有更高的运算效率,速度提高7倍以上。