加权整体最小二乘EIV模型与算法——与"加权整体最小二乘EIO模型与算法"一文的讨论

加权整体最小二乘方法是一种能同时顾及EIV（errors-in-variables）模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景,EIV模型则表现出不同的结构特征。"加权整体最小二乘EIO模型与算法"一文采用EIO模型处理EIV模型中的结构化问题^*。为了将其与现有方法进行对比,本文罗列出4种处理EIV模型结构特征的方法,并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是,针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究,但各方法殊途同归。     

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。     

加权整体最小二乘求解线性模型参数及精度估计

针对线性模型中最小二乘和整体最小二乘方法存在的问题,引进了加权整体最小二乘的方法,并给出了精度估算公式。通过线性模型的实例计算验证,加权整体最小二乘可以得到更加合理的拟合模型,获得更高精度的参数解,具有更小的中误差。     

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。     

整体最小二乘估计的研究进展

整体最小二乘估计方法作为经典最小二乘估计方法的扩展,近20年来被广泛地应用于信号处理、计算机视觉、图像处理、通信工程以及大地测量与摄影测量等测绘相关领域,成为各专业领域进行数据处理的基本方法。概述了整体最小二乘估计的发展历史,从整体最小二乘估计的算法、统计特性和可靠性研究三方面综述了整体最小二乘估计方法的研究进展情况,侧重强调各种算法的本质特征,并对整体最小二乘估计的研究方向进行了展望。     

附有不等式约束的加权整体最小二乘算法

针对现有附有不等式约束的整体最小二乘算法的缺陷,本文以partialEIV（errors-in-variables）模型^[1]为基础,在整体最小二乘准则下,通过将附有不     

非线性最小二乘参数平差

在分析线性化的非线性参数平差的近似直接解法与近代解法基础上,利用非线性最小二乘的精确正交性条件方程,推导出顾及到二次项的非线性参数平差的一种新的计算公式。为了公式表达的简洁,精度评定的需要以及非线性平差本质的分析,在公式推导过程及最终的平差计算公式中,引入了矩阵分解及非线性度量曲率矩阵。最终算例分析说明该方法的有效性及实用性。     

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

附非负约束平差模型的最小二乘估计

研究了不等式约束下的平差问题,即先将不等式约束的最小二乘问题转换成凸二次规划问题,然后求其最优解。给出了几个判定最优解的充分必要条件,以及非负约束下的平差问题参数最小二乘估计的一般形式,并给出了简明的算法。模拟实例说明,此算法可以很好地应用于实际测量中的平差计算。     

三维坐标转换的通用整体最小二乘算法

三维坐标转换模型属于非线性EIV（errors-in-variables）模型,现有整体最小二乘算法均设定了某些特殊假设条件,如仅适用于小角度或者属于非统计意义上的数值解,并且不能用于结构性的系数矩阵等,算法适用性受到极大限制。本文提出了三维坐标转换模型的通用加权整体最小二乘算法,该算法适用于任意旋转角度以及一般性的权矩阵情况下的三维坐标转换模型,并且将结构性系数矩阵、同时包含随机和非随机元素的系数矩阵等情况纳入到了统一的坐标转换模型算法。实例计算表明,本文提出的算法具有通用性,适用于实际应用中的各类三维坐标转换模型。     

附参数的条件平差与按行独立的加权最小二乘法估计的一致性研究

测量平差问题多以间接平差模型为基础,间接平差是以观测值表达为参数的显函数为前提,而现代测量技术中,函数模型多表现为参数和观测值的隐函数,线性化后应为附参数的条件平差模型。本文介绍了附参数条件平差模型和加权总体最小二乘估计之间在解决这类问题的原理以及精度估计方法,证明二者估计结果是一致的,旨在揭示TLS方法与经典平差方法的关系,推广总体最小二乘及其扩展方法在现代测量数据处理中的应用。     

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。     

顾及粗差的混合最小二乘平差实验分析

通过详细介绍总体最小二乘法以及其与经典最小二乘法的关系,引出综合了经典最小二乘法与总体最小二乘法的混合最小二乘平差法。为了研究混合最小二乘法的优劣,本文设计一套比较混合最小二乘法与经典最小二乘法的实验方案。通过实验结果可知,混合最小二乘法并非总优于经典最小二乘法,只有当系数阵误差比观测值误差大或略小时,混合最小二乘法才始终优于经典最小二乘法。     

地图数字化中基于点位坐标的统一平差模型

探讨了地图数字化过程中采用平差方法来建立坐标计算的统一模型。将测得的角度、边长等数据化为方向、距离观测值列立误差方程,通过调用统一的平差迭代计算程序来计算未知点坐标及精度。详细给出了基于平差的11种常用坐标计算方法,并通过实例进行了说明。     

病态加权总体最小二乘平差的岭估计解法

采用岭估计法处理加权总体最小二乘平差的病态性问题,推导了相应的求解公式及均方误差评定精度的方法,定义了病态加权总体最小二乘平差中的模型参数分辨矩阵,并讨论了岭参数的含义及其作用,给出了确定病态加权总体最小二乘岭估计中岭参数的岭迹法、广义交叉核实法和L曲线法。算例计算了普通最小二乘、普通总体最小二乘的结果,并比较了三种确定岭参数的方法在处理病态加权最小二乘岭估计和病态加权总体最小二乘岭估计中的优缺点。     

病态总体最小二乘问题的广义正则化

总体最小二乘（TLS）算法可以视为一个降正则化的过程,对比最小二乘算法,病态总体最小二乘方法的解受系数阵数据误差和观测值误差的影响将更为严重。本文探讨用广义正则化的方法降低病态性对总体最小二乘数值求解的影响,以提高求解结果的稳定性。通过多组算例结果表明,本文采用的广义正则化方法在处理病态总体最小二乘问题上具有明显的优势。     

利用STLN和InSAR数据反演2008年青海大柴旦Mw 6.3级地震断层参数

提出了将总体最小二乘方法应用于联合平差的模型,推导了附有相对权比的总体最小二乘联合平差方法。采用了多种方案来确定相对权比的大小。以参数估值与真值的差值范数作为评价指标,分析比较了单一数据总体最小二乘平差和两类数据总体最小二乘联合平差的模拟算例;通过给各类数据加入不同大小的随机噪声,分析了判别函数最小化法中随机噪声大小对确定相对权比的影响。模拟算例表明,平差结果的质量与相对权比的选取有关;当先验信息准确时,验前单位权方差法的结果最好,而当先验信息不准确时,判别函数为相似文献