Gauss-Markov模型参数的岭型广义逆估计及其优良性

本文继续文献 [10 ]的工作 ,进一步讨论了测量平差 Gauss- Markov模型参数岭型广义逆估计的若干性质 ,如允许性、优效性、相对效率、抗干扰性等等 ,得到了许多重要结论。计算结果表明 ,在设计阵呈病态时 ,岭型广义逆估计确能明显改善 L S估计     

附有条件的参数平差模型的有偏估计

讨论附有条件的参数平差模型参数的有偏估计问题。提出了约束岭估计和约束主成分估计,并证明了它们的优良性质,最后给出了一个算例,验证了所得结果。     

Gauss-Markov模型参数的部分根方估计

在分析根方估计，Stein均压缩估计，Sclove部分压缩估计各自特点的基础上，提出了一种新的有偏估计－部分根方估计，并讨论了它的优良性质。计算结果表明，在设计阵呈病态时，部分根方估计确能改善LS估计。     

主成分估计与附加条件的参数平差

证明了主成分估计实质上是附着条件的参数平差，并根据此性质结合算例分析了主成分估计的局限性，提出了改进方法。     

Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计--岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计.     

Gauss-Markov模型的岭型GM估计

针对目前文献中提出的各种抗差有偏估计没有对设计空间的粗差进行控制的问题,将岭估计与GM估计结合起来提出了一种新的抗差有偏估计———岭型GM估计,理论分析和计算结果均表明岭型GM估计不仅能消除法矩阵病态性的不良影响,而且能同时具有观测空间和设计空间的抗差性,是一种性能良好的估计。     

附有奇异值修正限制的改进的岭估计方法

最小二乘估计具有无偏性,而岭估计是一种有偏估计,它通过引入偏差降低方差来降低均方误差。在模型出现病态时,岭估计优于最小二乘估计。对岭估计的方差与偏差进行分析发现,岭估计通过修正病态矩阵的奇异值降低均方误差,但对部分较大奇异值的修正不能有效降低均方误差。通过比较修正奇异值的方差下降量与偏差引入量的大小关系确定需要修正的小奇异值,进而改进岭估计方法,实现选择性地修正小奇异值,提出附有奇异值修正限制的改进的岭估计方法,可有效改善岭估计的解算效果和可靠性,实验验证了新方法的可行性和有效性。     

有偏估计与LS估计的比较与选择

从假设检验的角度研究测量平差Gauss-Markov模型中有偏估计与LS估计的选择问题。首先在均方误差准则下对目前应用最广泛的2种有偏估计－－岭估计和主成分估计与LS估计进行了比较研究，得到了岭估计、主成分估计优于LS估计的条件；然后运用统计方法对这些条件的成立进行了假设检验；最后通过数值实验说明，在一定显著性水平下当原假设被接受时，说明没有理由不相信采用有偏估计来代替LS估计的合理性，可认为采用有偏估计将对LS估计做出比较有效的改进，当原假设被拒绝时，说明对采用有偏估计的优越性产生了怀疑，此时建议仍采用LS估计。     

Gauss-MarkOV模型参数的部分根方估计

在分析根方估计、Stein均匀压缩估计、Sclove部分压缩估计各自特点的基础上,提出了一种新的有偏估计——部分根方估计,并讨论了它的优良性质.计算结果表明,在设计阵呈病态时,部分根方估计确能改善LS估计.     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计--双k型岭估计.由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法.最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性.     

双k型岭估计及其在GPS快速定位中的应用

针对GPS快速定位中设计阵病态性的特点,文中对现有的有偏估计进行了改进,提出了一种新的有偏估计———双k型岭估计。由广义岭估计和普通岭估计出发,讨论并给出了双k型岭估计中两个岭参数的选择方法。最后给出了实测GPS动态定位算例,验证了新估计的稳定性和有效性。     

面向形变模型的三维人脸建模研究及其改进

针对传统三维形变模型效率低的不足,提出了一种简洁高效的三维形变模型进行个性化三维人脸重建。首先建立基于关键特征区域重采样的标准三维人脸数据库,实现三维人脸的稠密对应;然后选择与目标人脸奇异值向量最相似的人脸作为形变模型的基空间,进行形变模型成分的动态选择;最后引入基于特征点的稀疏形变模型替代原稠密对应形变模型进行匹配求解线性组合系数,并完成特定的三维人脸重建。实验结果表明,本文方法建模时间短、复杂度低,通过单张图片的少量特征点能生成逼真的三维人脸模型。     

随机效应线性模型中随机回归系数的泛岭估计类

本文提出了随机效应线性模型中随机回归系数的一个线性有偏估计类（称为泛岭估计类）；通过偏参数的不同选择，构造了许多很有意义的线性有偏估计；并讨论了泛岭估计的优良性和可容许性，获得了若干深入的结果。     

总体最小二乘曲线曲面模型建立方法比较探究

本文探究了总体最小二乘的3种方法,包括奇异值分解、最小奇异值方法和迭代法,并且对3种方法进行比较。在模型推导的基础上,文中对3种总体最小二乘法在曲线和曲面拟合中求解的参数及其精度进行了比较分析。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,并且发现迭代法和奇异值分解方法的结果是一样的;最小奇异值方法的结果欠优。     

适用于高斯-马尔柯夫模型的信息扩散估计及其性能

基于信息扩散原理的估计方法 ,从一维推广到多维 ,提出了适用于高斯 -马尔柯夫模型 (G- M模型 )的信息扩散估计方法 (Information Spread Estimation- ISE)。并对其性能作了大量模拟试验研究 ,可以认为采用 ISE法消除了实际观测误差分布偏离假定分布的风险 ,抗差性能优越 ,并且不须迭代 ,从而较为成功地实现了信息扩散原理在测量数据处理中的应用。     

局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。