总体最小二乘法在坐标转换中的应用

在处理坐标转换数据的方法中,通常使用的方法是最小二乘法,但其由于不能顾及系数矩阵误差而具有一定的局限性,导致坐标转换结果的可靠性较差。因此,需要一种新的方法来弥补最小二乘法的不足。本文引入总体最小二乘法和混合最小二乘法,采用仿真数据求解坐标转换七参数,并将结果与其仿真值进行比较,证明采用混合最小二乘法得到的坐标转换七参数更接近于理论值。     

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。     

总体最小二乘拟合问题求解方法的比较研究

目前对总体最小二乘求解方法的研究,出现了奇异值分解的总体最小二乘法、顾及自变量和因变量误差的总体最小二乘法及正交总体最小二乘法.在模型推导的基础上,本文对3种总体最小二乘法在直线和平面拟合中求解的参数及其精度进行了分析,通过与最小二乘法的比较表明,总体最小二乘法得到的拟合结果更加稳健,且以正交总体最小二乘法的拟合结果为最优.     

总体最小二乘平差理论及其在测绘数据处理中的应用

最小二乘法是测量数据处理的最基本、应用最广泛的方法,对于经典的最小二乘法是只考虑观测向量的误差,假设系数阵没有误差或不考虑系数阵的误差。然而系数矩阵包含误差的情况在测量数据实践中是存在的。总体最小二乘法旨在解决顾及系数矩阵误差的一种数据     

一种利用IGGII方案的稳健混合总体最小二乘方法

混合总体最小二乘(mixed LS-TLS)合理地顾及了系数矩阵和观测向量误差,却没有考虑数据中可能存在的粗差。利用IGGII方案,提出一种稳健的混合总体最小二乘方法,并通过平面拟合进行验证。结合模拟数据和真实数据,通过与最小二乘(LS)、总体最小二乘(TLS)和混合总体最小二乘的对比分析,证实这种稳健混合总体最小二乘的平面拟合结果最为可靠。     

正交最小二乘曲线拟合法

在最小二乘曲线拟合中,自变量的误差常常被略而不计,提出采用正交最小二乘法拟合曲线。该方法以正交距离残差平方和极小为准则,同时顾及了因变量和自变量的误差;基于间接平差原理详细推导了相关模型和算法。实际计算表明,采用正交最小二乘法拟合曲线,拟合效果整体上优于普通最小二乘法。     

顾及系数矩阵常数列的总体最小二乘迭代解法

介绍总体最小二乘的奇异值分解法(SVD)和混合总体最小二乘法(LS-TLS),基于间接平差原理推导一种总体最小二乘迭代解法,可以用来解决系数矩阵含常数列的总体最小二乘平差问题。最后分别对系数矩阵不含常数列和系数矩阵含常数列的算例进行验证,得到的结果与采用奇异值分解法和混合总体最小二乘法计算的结果相同,表明算法的有效性。     

坐标转换四参数解算的整体最小二乘新方法

在平面四参数坐标转换模型中,观测向量和误差方程系数矩阵中部分元素都存在误差。提出一种使用整体最小二乘迭代法求解坐标转换四参数的新方法,只改正系数矩阵中含误差的元素,同时使系数矩阵中不同位置的相同元素具有相同改正数,理论上更严谨。设计了平面四参数模型坐标转换实验数据,通过与经典最小二乘、整体最小二乘、混合整体最小二乘3种方法结果对比,验证了新方法的可行性且解算结果更优。     

具有不确定性平差算法

观测不确定性常常影响参数估计的有效性。将不确定度作为参数融入平差模型,可以有效地降低不确定性的影响。本文提出有界不确定性误差约束下,随机误差与不确定性误差平方和最小的平差准则,并给出了一个不确定性平差模型迭代算法。通过仿真实例,对不确定性最小二乘法与总体最小二乘法进行了比较。结果显示:在一定程度上,不确定性最小二乘方法的估计结果要略优于总体最小二乘方法,且在不确定性较大时,该方法有较好的适用性。     

总体最小二乘平差方法在GPS高程拟合中的应用研究

采用最小二乘(LS)进行GPS高程拟合参数估计未考虑系数矩阵误差,尝试采用总体最小二乘(TLS)平差方法进行参数估计。利用本文提出的基于TLS平差的粗差探测方法进行粗差剔除的基础上,对TLS平差方法在GPS高程拟合中求解的参数及其精度进行了分析,通过与LS的对比表明,混合总体最小二乘的拟合结果最为合理。     

隐式标度因子的总体最小二乘估计方法

分析指出了标度总体最小二乘方法(STLS)存在的问题,提出了一种隐式标度因子的标度总体最小二乘方法(Im STLS)。区别于现有STLS方法在平差准则中引入标度因子,Im STLS方法在EIV函数模型中顾及标度因子,从而解决了现有STLS平差准则形式与标度因子实际表征的平差结果不一致的问题。此外,利用所建函数模型的重构表达式推导的Im STLS估计量及其方差-协方差阵,与经典最小二乘平差理论具有形式同构性。最后,验证了所提方法统一表达LS,DLS和TLS的正确性,并讨论给出了标度因子对平差结果的影响及确定方法。     

总体最小二乘方法在空间后方交会中的应用

在空间后方交会的解算过程中,利用共线条件方程式列出误差方程后,针对地面控制点以及像点坐标均存在误差这一特点,引入总体最小二乘(total least squares,TLS)的方法,对系数矩阵A以及观测向量b同时进行改正,计算像片的6个外方位元素,建立更加合理的计算模型,可获得精度更高、更稳定的解。     

边长变化反演应变参数的总体最小二乘方法

根据总体最小二乘原则,推导了同时顾及边长变化及测线方位角量测误差的应变参数反演的总体最小二乘方法,并给出了精度评定公式。实际算例计算结果分析表明,应用总体最小二乘方法可以得到更合理的应变参数反演结果,特别是参数精度评定方面;对于系数矩阵中含有常数列时,必须将该常数列取出,否则得到的解是错误的。     

地震同震滑动分布反演的总体最小二乘方法

同震滑动分布参数与地表形变间的线性关系依赖于格林函数矩阵的构造,格林函数矩阵元素与破裂面位置、几何参数、破裂方式及位错模型假设等因素有关。本文尝试考虑格林函数矩阵元素的误差来补偿上述原因在一定程度上对反演参数的影响,采用同时顾及系数矩阵(格林函数矩阵)和观测向量两者误差的总体最小二乘方法反演同震滑动分布。首先确定了系数矩阵元素和观测向量的协因数矩阵,考虑到格林函数矩阵的病态性(秩亏),借助拉普拉斯二阶平滑得到正则化矩阵,采用总体最小二乘正则化法反演同震滑动分布。并对2009年意大利中部拉奎拉(L’Aquila)Mw6.3级地震实例进行同震滑动分布反演研究。结果表明,拉奎拉地震的走向为144.37°,倾角为59.06°,滑动分布的最大滑动量为0.95m,平均滑动角为-96.4°,主要滑动深度为4~15km的范围,地震矩为3.63×10~(18)N·m,对应的矩震级为Mw6.34。总体最小二乘与最小二乘法的滑动分布解存在一定差别,但差别的量级在10-4以内。     

三原则整体最小二乘用于平面自由网平差计算

文中在平面网平差中应用整体最小二乘理念.在最小二乘模型中,为了消除观测方程系数误差和未知参数系统误差,加入系数改正数和参数改正数,并提出三原则整体最小二乘模型.研究平差两大步骤,用最小二乘多次改用"参考点组"而选出w个稳定点;用最小二乘多次改用"近似坐标"而消除系数误差和参数系统误差.三原则整体最小二乘适用于平面自由网...     

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。     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。     

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。     

利用整体最小二乘法建立线性回归模型

对于在实际应用中的直线回归问题,存在着因自变量和因变量选取不同拟合结果存在差异的情况,文中采用了一种线性拟合参数估计的新方法,即整体最小二乘法。文章在描述普通最小二乘和整体最小二乘原理的基础上,并对比其异同,并采用奇异值分解的方法来求解整体最小二乘问题。算例结果表明,采用整体最小二乘方法估计线性回归参数的精度明显高于常规最小二乘法,是一种值得借鉴的算法。