线性化通用EIV平差模型的岭估计解法

通用EIV(errors-in-variables)平差模型作为经典平差模型的一般化形式,具有同时顾及多种随机误差的优势. 在通用EIV平差模型加权总体最小二乘(WTLS)的线性化估计基础上,引入正则化准则. 正则化矩阵为单位矩阵时为岭估计,添加目标函数,通过建立拉格朗日目标函数的最小化求解,导出加权通用EIV平差模型对应的岭估计解式,给出了确定岭参数的U曲线法和L曲线法. 计算了通用EIV平差模型的线性化估计、两种岭估计及其对应的方差分量值;验证岭估计对通用EIV模型的线性化估计具有促进性,可减少迭代次数,使得参数方差分量更快趋于平稳,降低参数估计的计算量.      

通用EIV平差模型及其加权整体最小二乘估计

以平差基本理论为基础,提出了EIV(errors-in-variables)平差模型的通用形式,涵盖了间接平差、条件平差、附有参数的条件平差及附有限制条件的间接平差等基本EIV模型形式。基于整体最小二乘估计准则,研究了通用EIV模型的加权整体最小二乘算法,并推导了估计结果的近似精度公式。通用EIV模型及其整体最小二乘算法是对EIV模型估计理论的进一步完善,统一的整体最小二乘算法有利于软件的编程实现,有助于推动EIV模型估计理论的应用。     

通用EIV模型的方差分量估计

针对通用EIV模型平差解算时随机模型的不准确情况,将通用EIV模型转换成附有参数的条件平差模型,得到方差分量估计具有一般性且符合平差的要求。文中选用EIV模型为平差模型,转换出通用EIV模型的最小二乘方差分量估计,并给出相应的迭代算法。通过实验算例的对比分析,验证本文算法的可行性与可靠性,通用EIV模型的方差分量估计具有一般性,根据不同的形式,可以得到与已有方法相同的平差结果。     

病态不确定性平差模型的岭估计算法

测量数据在获取的过程中,常存在不确定性,它们会影响参数估计结果,不确定性平差模型的解算方法可以有效提高参数估计的有效性和可靠性。当观测方程的系数矩阵存在接近零的奇异值,采用岭估计可有效抑制观测方程病态性对参数估值结果的影响。当不确定性平差模型出现病态,其受系数矩阵误差和观测值误差的影响更为严重,本文将岭估计法应用于病态不确定性平差模型,推导了迭代算法,以提高解的稳定性,并用算例验证,结果表明了新方法的有效性和可行性。     

经典平差模型的通用模型

在对测量数据进行处理时,常用的严密平差模型有条件平差、间接平差,针对不同的测量网型和不同的需求会选用不同的平差模型,因此解法不同,同时增加了一定的计算量。为了以后方便计算并且能够使用同一种模型,本文提出这几种模型共用的一种模型,附有参数的条件平差模型,此种模型在不同的测量网下都可使用,解法简单单一,只需根据实际情况列出条件方程进行计算。最后再用具体实例计算验证,表明这一模型可用。     

经典平差模型的通用模型

对经典平差模型之间等价性进行了深入研究,并且在附有限制条件的间接平差、附有限制条件的条件平差可作为概括平差模型的基础之上,推导了用附有参数的条件平差的平差原理来解算经典平差模型的计算公式,得出附有参数的条件平差模型可作为经典平差模型的通用模型这一结论。     

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。     

概括平差模型的通用解法

鉴于概括平差模型的参数系数矩阵可能为非列满秩的情况,本文从概括平差模型实质出发提出一种以解方程组为基础的通用解法,该方法显著的特点是无论系数矩阵是否为列满秩均可求解。最后用具体实例计算与分析,结果表明,该方法不仅思路简单、通用性强,而且也为进一步认识概括平差模型的实质提供了新思路。     

Partial EIV模型的非负最小二乘方差分量估计

Partial Errors-in-Variables(Partial EIV)模型是EIV模型的扩展形式,权阵构造简单,当系数矩阵中存在非随机元素和随机元素时,Partial EIV模型的适用性更强。针对Partial EIV模型中随机模型不准确的情况,将系数矩阵和观测向量分别作为一类数据,本文在该模型的基础上,使用最小二乘方差分量估计方法,推导相关计算公式及迭代算法,分别估计出相应的方差分量估值。并对出现的负方差使用非负最小二乘理论,增加约束条件,对随机模型进行修正,得到更加合理的参数估值。试实验结果表明,本文的方法与其他方差分量估计方法等价。     

各种平差模型的方差分量估计

本文从附有限制条件的条件平差(the Condition Adjustment with Constraints)的数学模型(简称CAC模型)出发,推导了方差分量估计的特征方程,并给出了方差分量估值的方差—协方差矩阵。由于间接平差、条件平差、附有条件的间接平差、附有参数的条件平差均为CAC模型的特例,它们的特征方程很容易由CAC模型的特征方程简化而来,这就充分显示了现有各种平差模型方差分量估计公式之间的区别与联系,有利于建立在各种平差模型下关于方差分量估计的整体概念。     

边角网平差中方差分量估计改进算法

基于单位权中误差的先验估值与验后估值一致,对边角网提出一种改进的赫尔默特方差分量估计算法,该算法可直接计算角度和边长的方差分量估值,克服了原公式计算过程繁琐、占有内存量大的不足,通过采用Newton法进行迭代计算,收敛效果好,算例表明该方法是有效的。     

半参数平差模型参数的两步估计

考虑半参数平差模型L=Bx+S+Δ,xεRd,S为未知回归参数,为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然样条插值函数。其次利用偏残差法并综合最小二乘法,导出了参数和非参数的解算公式,讨论了窗宽参数的选取方法。在本文的最后,将这种估计方法应用到重力场的计算中,说明了利用半参数平差模型估计参数的有效性。     

基于改进目标函数的partial EIV模型WTLS估计的新算法

针对部分变量误差（partial EIV）模型的加权整体最小二乘（weighted total least squares,WTLS）估值的计算需要多次迭代且效率低下的情况,根据加权LS（least square）原理,通过改进目标函数,并运用矩阵微分运算以及矩阵反演变换,提出了一种计算partial EIV模型WTLS估值的新算法。算例计算结果表明,新算法具有迭代次数少、计算效率高等优点。     

序贯平差抗差估计

推导了参数平差模型序贯平差在参数可变情形下的Ｍ－Ｍ抗差及Ｍ－ＬＳ抗差解式,讨论了相应的影响函数及验后协方差。固定参数序贯平差抗差解为其特例。模拟计算表明,抗差序贯平差能有效地抵制粗差干扰。     

有界不确定性平差模型的迭代算法

针对现有的有界不确定性平差模型算法较为复杂且没有顾及权重的问题,该文提出了一种无需奇异值分解的迭代算法及其一种加权方法。直接采用了迭代算法求解有界不确定性平差模型的min-max准则,推导出了未知参数估值,算法概念简单,易于实现,收敛速度更快。基于该文提出的迭代算法,当系数矩阵和观测向量各自均不等权时,采用了一种加权方法,并推导了其解算过程。算例结果表明:该文提出的迭代算法是可行的,并且解算效率更高;加权后的迭代算法是有效的。     

偏差改正的Partial EIV模型方差分量估计

针对Partial EIV模型的方差分量估计中未考虑参数估值偏差所带来的影响,将Partial EIV模型视为非线性函数得到参数估值的偏差及二阶近似协方差表达式,计算得到偏差改正后的参数估值,结合方差分量估计方法,更新由参数估值影响的矩阵变量,给出了基于偏差改正的方差分量估计迭代方法。试验结果表明,参数估值及其协方差主要受参数估值偏差大小的影响,加入偏差改正能够得到更加合理的参数估值及方差分量估值,偏差改正后的方差分量估值可更加合理地评估参数估值的精度信息。     

半参数测量平差模型参数的二阶段估计

本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用核函数并综合最小二乘法建立了参数x和S非参数的估计量x、S,讨论了窗宽参数h的选取方法。最后,用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较,结果说明,半参数测量模型能更接近于真实情况。     

扩展平差模型下的Helmert方差分量估计

本文推导了附有条件的间接平差和附有未知数的条件平差模型(简称为扩展平差模型)下的Helmert方差分量估计公式。并证明了对同一平差问题两种模型下方差分量估计公式的等价性。