基于Partial-EIV模型的TLS姿态估计方法

推导了基于乘性姿态角误差的观测方程,顾及其系数矩阵也含有误差的特点提出一种利用整体最小二乘原理估计姿态参数的新思路。该问题的系数矩阵中同时存在随机元素和固定元素且存在结构性特征,故引入Partial-EIV模型,设计了一种符合其系数矩阵结构特点的新模型。最后通过两组仿真实验将其与已有姿态估计方法进行对比,得出结论:基于Partial-EIV模型的整体最小二乘解法解算精度高于常规最小二乘法;其解算效果与基于乘性姿态角误差的最小二乘法基本一致。表明本文提出的方法正确有效。     

结构总体最小二乘估计理论的拓展及其应用研究EI北大核心CSCD

具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。     

顾及系数矩阵结构性的加权总体最小二乘解算

针对加权总体最小二乘平差模型中系数矩阵具有结构性的问题,该文设计了一种顾及系数矩阵结构性的加权总体最小二乘迭代解法:首先,利用非线性最小二乘平差方法将总体最小二乘模型线性化;然后,采用结构矩阵的方法顾及系数矩阵的重复元素和常数项,通过间接平差的原理推导了顾及系数矩阵结构性的加权总体最小二乘迭代公式,可适用于加权总体最小二乘的参数估计;最后,通过算例分析并与其他算法进行比较,验证了该算法的有效性和可行性。     

一种相关观测的Partial EIV模型求解方法

Partial errors-in-variables(Partial-EIV)模型作为EIV模型的扩展形式,其构造方式更有规律,解算方法更为简便,能有效应用于实际情况。针对已有Partial EIV模型方法未考虑观测向量和系数矩阵存在相关性这一情况,通过提取观测向量和系数矩阵组成的增广矩阵中非重复出现的随机元素,构建更具一般适用性的Partial EIV模型,在该模型的基础上,将特殊假定条件扩展到不限定观测数据相关性的一般情况,详细推导了观测向量和系数矩阵元素相关且不等精度情况下的加权总体最小二乘方法,通过算例试验,并与目前已有的解决EIV模型相关观测情况下的方法进行了比较分析,研究表明本文方法可以提高计算效率,更具一般性,特别是对于观测向量和系数矩阵中存在常数元素和重复元素的情况。     

LS和TLS在平面坐标转换中的应用

在超定线性方程Ax=b的解算中,最小二乘(LS)只考虑观测向量b的误差,而总体最小二乘(TLS)则同时顾及观测向量b和系数矩阵A均含误差的情况。本文以六参数模型在平面坐标转换中的应用为例,分别采用LS和TLS进行模型参数的求解。结果表明,2种方法所求参数并无显著差异,但是总体最小二乘更好地改善了坐标转换的内部精度,是一种更为合理的计算方法。     

平行直线拟合的混合LS-TLS平差及精度评定方法

针对地形测图测绘和地物重建中存在的平行直线拟合问题,同时考虑x坐标和y坐标的测量误差,构建变量含误差(EIV)模型,根据设计矩阵的特点采用混合最小二乘(LS)总体最小二乘方法(TLS)求解,并给出了相应的精度评定方法。混合LS-TLS方法的平差结果与LS、TLS方法结果对比表明:对于平行直线拟合,混合总体最小二乘方法的精度高于LS和TLS方法。论文旨在对EIV问题提出实用的平差和精度评定方法,推TLS方法的应用。     

附加一次和二次等式约束的Partial-EIV模型及相应算法

研究了附加一次和二次等式约束的Partial-EIV模型,推导了加权整体最小二乘估计准则下相应的计算公式,并讨论了仅附加一次等式约束的Partial-EIV模型和仅附加二次等式约束的Partial-EIV模型。通过正交线性回归和平面坐标转换两个算例进行实验,将新算法与已有的附加等式约束的EIV模型的方法进行了对比,发现文中方法计算效率更高,且适用于结构化EIV模型的求解。     

虚拟观测值法在三维坐标转换中的应用研究

针对整体最小二乘(TLS)已有算法的缺陷,提出利用虚拟观测值法将其转化为经典最小二乘(LS),并推导了适用于三维坐标转换的矩阵矢量化公式,实现了TLS与LS的统一。通过算例证明了此方法在三维坐标转换中可以得到更为合理的解算数据。     

TLS优化的MGM（1,n）模型在高层建筑变形预报中的应用

观测误差影响最小二乘解算MGM(1,n)模型的灰色参数精度,基于此,现采用总体最小二乘（Total Least Square,TLS）对MGM(1)模型的灰色参数解算进行优化。通过对某高层建筑沉降变形观测数据进行试算,结果表明,TLS优化后的MGM(1)模型能够有效地提高预报精度。     

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。     

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。     

On symmetrical three-dimensional datum conversion

A 3-D similarity transformation is frequently used to convert GPS-WGS84-based coordinates to those in a local datum using a set of control points with coordinate values in both systems. In this application, the Gauss-Markov (GM) model is often employed to represent the problem, and a least-squares approach is used to compute the parameters within the mathematical model. However, the Gauss–Markov model considers the source coordinates in the data matrix (A) as fixed or error-free; this is an imprecise assumption since these coordinates are also measured quantities and include random errors. The errors-in-variables (EIV) model assumes that all the variables in the mathematical model are contaminated by random errors. This model may be solved using the relatively new total least-squares (TLS) estimation technique, introduced in 1980 by Golub and Van Loan. In this paper, the similarity transformation problem is analyzed with respect to the EIV model, and a novel algorithm is described to obtain the transformation parameters. It is proved that even with the EIV model, a closed form Procrustes approach can be employed to obtain the rotation matrix and translation parameters. The transformation scale may be calculated by solving the proper quadratic equation. A numerical example and a practical case study are presented to test this new algorithm and compare the EIV and the GM models.     

基于非线性高斯-赫尔默特模型的混合整体最小二乘估计

针对EIV模型的系数矩阵同时包含固定量和随机量的情况,通过将系数矩阵中的随机量提取出来纳入平差的随机模型,从而将EIV模型表示为非线性高斯-赫尔默特(Gauss-Herlmert,GH)模型形式,推导了混合LS-TLS(least squares-total least squares,LS-TLS)算法及其精度估计公式。算法适用于系数矩阵包含固定列、固定元素和随机元素的一般情况。模拟实例结果表明,混合LS-TLS算法与已有能够解决系数矩阵同时含固定量和随机量的结构性或加权TLS算法的估计结果一致;混合LS-TLS的估计结果统计上要优于LS或TLS估计结果。     

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。     

一种Partial EIV半参数模型的系统误差处理方法

在使用总体最小二乘求解参数时,若观测值中包含系统误差,此时得到的参数估值则会受到系统误差的影响,从而得到不可靠的解,因此必须削弱系统误差对参数估计的影响,以获得相对可靠的解。本文提出在partial errors-in-variables （Partial EIV）模型的基础上给观测值增加非参数部分（系统误差）,从而构建Partial EIV半参数模型;基于补偿最小二乘准则进行公式推导,并分别通过选取适当的正则化矩阵及通过L曲线法确定平滑因子。通过算例结果分析表明,与传统方法相比,本文的方法在一定程度上能够削弱系统误差的影响,得到更为可靠的参数解,从而验证了该方法的有效性和可行性。     

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。     

PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。     

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。     

多变量总体最小二乘在点云拼接中的应用

在三维激光扫描仪使用过程中,为了减小点云拼接时的误差问题,本文利用同方差多元变量的EIV(Errors In Variables)模型及总体最小二乘的方法解决三维空间点的相似变换,较传统的迭代算法计算空间坐标转换的方法,具有非迭代性、可靠性和计算过程中的简便性。最后,利用实际工程案例对非迭代算法的有效性进行了验证。