重复中值估计及其在坐标变换中的应用

最小二乘估计作为一种最优估计被广泛地应用于测量数据处理之中,因为它是建立在观测值误差符合正态分布这个假设前提下的,所以其统计数学模型缺乏抗拒粗差的能力。为了克服这个缺点。Robust估计得到迅速发展并逐步被应用到各个领域之中。本文在坐标变换中采用了重复中值估计(Robust估计中的一种方法),并将其与最小二乘估计的结果作了比较,从而阐明了中值估计的基本原理及其应用。     

Least-squares variance component estimation

Least-squares variance component estimation (LS-VCE) is a simple, flexible and attractive method for the estimation of unknown variance and covariance components. LS-VCE is simple because it is based on the well-known principle of LS; it is flexible because it works with a user-defined weight matrix; and it is attractive because it allows one to directly apply the existing body of knowledge of LS theory. In this contribution, we present the LS-VCE method for different scenarios and explore its various properties. The method is described for three classes of weight matrices: a general weight matrix, a weight matrix from the unit weight matrix class; and a weight matrix derived from the class of elliptically contoured distributions. We also compare the LS-VCE method with some of the existing VCE methods. Some of them are shown to be special cases of LS-VCE. We also show how the existing body of knowledge of LS theory can be used to one’s advantage for studying various aspects of VCE, such as the precision and estimability of VCE, the use of a-priori variance component information, and the problem of nonlinear VCE. Finally, we show how the mean and the variance of the fixed effect estimator of the linear model are affected by the results of LS-VCE. Various examples are given to illustrate the theory.     

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。     

岭-压缩组合估计在线阵推扫式影像外定向中的应用

针对线阵推扫式影像外定向中存在的法方程病态问题,提出了采用岭压缩组合估计进行解算,能提高定向精度,并分析了该算法的优点和应用方法。实验证明,该算法性能优异,精度很高。     

非线性模型的补偿最小二乘估计

提出利用半参数估计理论解决非线性平差问题,即利用半参数模型中的非参数分量描述非线性模型按泰勒级数展开式中二次以上的高阶项,并推导了补偿最小二乘法求解非线性模型参数的相关公式。算例表明,对于非线性强度较强的模型,该算法可以取得较好的效果。     

Coulomb规范下地电磁场的自适应有限元模拟的理论分析

地电磁场的直接求解法存在伪解现象,且电磁场分量在界面上的不连续性与节点型有限元的基本要求矛盾. 本文将Coulomb 规范下磁矢量势-电标量势与自适应有限元相结合,提出了地球物理电磁场计算的快速、高精度方法. 首先从地电磁场一般边值问题出发,给出了Coulomb 规范下磁矢量势-电标量势的公式系统,分析了求解域内势的连续性. 采用Galerkin 加权余值法推导出积分弱解形式和Delaunay非结构化四面体单元时Hierarchal 基函数的有限元方程. 基于超收敛恢复技术,提出了适用于电磁场的后验误差估计方法,阐述了地电磁场自适应计算的策略及迭代算法,分析了计算时间消耗和误差收敛性质,表明本文方法可以用最优的计算资源得到呈拟指数收敛到准确解的数值结果,从而为后续的数值计算奠定了理论基础.     

极大验后估计及其在扩建网中的应用

本文基于未知参数具有先验正态分布的广义Ｇ－Ｍ模型，推导了未知参数和方差因子的极大验后估计公式，证明了未知和的极大验后估计是无偏、有效估计量，方差因子的极大验后估计有偏，并推导了方差因子的边缘极大验后估计，证明了它的无偏及有效性，作为应用，本文最后证明了扩建网极大验后平差成果等于新旧网整体平差成果。     

污染分布的逼近及应用

污染分布是抗差估计的基础。本文试图从观测值残差入手,首先逼近各观测值方差,进而由方差的变化逼近污染正态分布密度。逼近的基本思想是：将异常观测值的方差扩大。文中构造了方差膨胀函数。基于方差膨胀的污染正态分布,可由最小二乘估计获得模型参数的抗差估计解;并由方差传播定律及Ｂａｙｅｓ推断理论解算参数的验后方差－协方差及置信区间。文中给出了一个算例。     

抗差部分岭估计及其在GPS快速定位中的应用

针对GPS快速定位中观测资料含有粗差且因观测信息不足造成设计阵“部分病态”的实际情况,对现有的抗差有偏估计进行改进,提出了一种新的抗差有偏估计——抗差部分岭估计,并讨论了抗差部分岭估计中“部分岭参数”的选择方法。计算结果显示,新估计与现有的抗差有偏估计相比,具有精度高、速度快、稳定性好的特点。     

带乘性噪声广义系统的观测噪声最优估计算法

研究带乘性噪声广义系统的观测噪声最优估计问题。在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换和状态扩维的方法,给出了线性最小方差意义下的观测噪声最优滤波算法和最优平滑估计算法。数字仿真结果表明了算法的有效性。