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。     

加权EIV模型的经典最小二乘算法

采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,建立起一整套EIV模型参数估计和精度评定的体系。     

一种病态EIV模型正则化的修正算法

针对解决变量中含有误差(EIV)模型参数估计算法的降正则化性导致即使模型参数初值可靠,参数估值也可能在迭代过程中发散的问题,该文分析现有EIV模型参数估计算法具有的降正则化性质,讨论EIV模型参数估计算法具有的降正则化性对模型正则化的影响,建立一种病态EIV模型的实时修正算法。通过算例验证该文所建立的算法,算例结果表明,该文建立的算法能够有效解决EIV模型参数估计存在的上述问题。该文所建立的病态EIV模型正则化算法更具普适性。     

一种基于Partial EIV模型的多项式拟合解法

针对多项式拟合模型系数矩阵中部分元素是某一自变量的函数的特点,根据Partial EIV模型的解算思想,将系数矩阵中自变量的函数作为随机元素提取,顾及泰勒展开的二阶项,由协方差传播律计算自变量函数的协因数阵进行平差解算。实验结果表明,系数矩阵的元素不再是单独的自变量时,使用该算法可以得到与已有非线性总体最小二乘方法相近的参数结果,从构造随机向量权阵的角度提供了一种新的解算方法。     

加权总体最小二乘在三维基准转换中的应用

对比研究加权总体最小二乘(weighted total least-squares,WTLS)方法和混合最小二乘(LS-TLS)方法、最小二乘(least-squares,LS)方法在三维空间小角度直角坐标转换中的适用性。在两套坐标系下坐标测量值均存在误差时,用WTLS方法不但可以对观测向量y和系数矩阵A同时修改、将坐标先验精度引入平差计算,而且引入的权阵PA对系数阵A起到固定常数元素而只修改必要数据元素的作用,以得到更合适的参数解。     

不等式约束Partial EIV模型的WHP拟牛顿修正解法及其精度评定的SUT法

提出一种确定不等式约束Partial EIV模型解及精度评定的新方法,在总体最小二乘准则下,将附有不等式约束的Partial EIV模型转换为标准最优化问题。采取WHP拟牛顿修正的SQP方法求解,并利用SUT法对参数估值进行精度评定,可以减小迭代次数、提高收敛速度,且精度评定方法简单有效。     

大角度三维基准转换的解析封闭解

传统大地测量应用中的基准转换往往涉及小角度旋转,可只考虑旋转角的一阶量采用线性化方法求解。现代空间测量技术成果应用的基准转换涉及大角度旋转,通过将旋转矩阵所有元素作为未知数并利用旋转矩阵正交条件采用附约束条件平差法迭代求解。本文以空间三维基准转换为例,采用多元模型的矩阵形式将多点坐标组成矩阵处理,并利用旋转矩阵的正交条件导出了大角度三维基准转换的解析分步解。同时引入两套公共点坐标误差对传统三维基准转换模型扩展,导出了同时顾及两套公共点坐标误差的大角度三维基准转换模型的解析解。试验表明:给出的大角度三维基准转换解析解能在实现与传统迭代解等效转换结果的同时,有效避免复杂耗时的迭代计算,提高计算效果。     

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。     

基于EIV模型的稳健估计

EIV（error-in-variables）模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法（TLS）假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法（RTLS）。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。     

约束总体最小二乘在点云拼接中的应用

在两站点云拼接的大角度空间直角坐标转换问题中,由于拟合靶标球心坐标值在两套扫描测站坐标系下均存在误差,提出基于约束总体最小二乘的点云拼接方法,建立附有约束条件的变量中的误差模型,对观测向量和系数阵同时进行修改。经算例证明,与传统的约束最小二乘法相比,可得到更加合理的模型和更高精度的参数解