共查询到20条相似文献，搜索用时 31 毫秒
1.
测绘领域诸多实际应用中系数矩阵和观测向量具有结构特征,即系数矩阵和观测向量中包含固定量(甚至固定列)和随机量,并且不同位置的随机量线性相关。针对这个问题,从变量误差(errors-in-variables,EIV)函数模型出发,首先,将系数矩阵和观测向量构成的增广矩阵表示为仿射函数形式,并采用变量投影法对函数模型进行重构;然后,利用拉格朗日法推导出了一种结构总体最小二乘(structured total least squares,STLS)估计算法。算例分析结果表明,该算法与已有能够解决系数矩阵和观测向量存在结构特征的加权或结构总体最小二乘算法估计结果一致,说明了该算法的有效性,同时阐明了该算法与已有相关算法的关系。 相似文献
2.
《武汉大学学报(信息科学版)》2021,(9)
通用变量含误差(errors-in-variables, EIV)模型将EIV模型扩展至最一般化的形式,其加权整体最小二乘算法(weighted total least squares, WTLS)同时顾及观测向量、观测向量的系数矩阵和参数向量的系数矩阵中的随机误差。将通用EIV函数模型展开,将二阶项纳入模型的常数项,从而将非线性的通用EIV模型表示为线性的高斯-赫尔默特模型,推导出通用EIV模型的线性化整体最小二乘(linearized total least squares,LTLS)算法和近似精度估计公式。通过模拟数据和实例评估分析可知,LTLS算法与通用EIV模型的WTLS算法估计结果一致,验证了算法的正确性和可行性。当模型含大量估计量时,通用EIV模型的LTLS算法显著提升了计算效率,收敛速度更快。 相似文献
3.
整体最小二乘法不仅考虑观测向量的误差而且还考虑系数矩阵的误差,平差理论相对更为严密。在研究经典整体最小二乘法的基础之上,对系数矩阵元素是表达式或函数情况的非线性整体最小二乘模型进行了描述,用拉格朗日极值条件式推导了基于牛顿型解法的非线性整体最小二乘平差计算公式,并设计了一种对应的迭代算法。最后设计了两组模拟试验分析在观测向量和系数矩阵的输入向量等精度观测和非等精度观测两种情况下参数和验后方差的估计特点。试验结果表明,非线性整体最小二乘平差法获得的参数估计值比最小二乘平差法获得的估计结果更接近参数的实际值,方差分量(或中误差)估计结果也更接近先验值,本文给出的迭代算法是有效的。 相似文献
4.
Partial EIV模型的非负最小二乘方差分量估计 总被引：2，自引：2，他引：0
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。 相似文献
5.
变量误差（error-in-variables,EIV）模型的系数矩阵存在结构特征的情况,并且这种结构特征可以扩展到观测向量中。首先采用变量投影法将系数矩阵的增广矩阵展开成仿射矩阵形式,提取系数矩阵和观测向量中的随机量,并将EIV模型表示为非线性高斯-赫尔默特模型,然后利用非线性最小二乘原理推导了一种结构总体最小二乘法。该算法统一了普通的结构总体最小二乘法、结构数据最小二乘法以及最小二乘法。将该算法应用到真实算例和模拟算例中,两个算例结果表明,该算法与已有能够解决EIV模型结构特征的结构或加权总体最小二乘法估计结果一致,验证了该算法的有效性。同时,该算法对结构特征的提取方式简单、规律性强且易于编程实现;且在算法设计中,把结构总体最小二乘问题转换为附有参数的条件平差问题,即将其纳入到最小二乘平差理论体系,便于其扩展应用。同时对平面拟合问题的误差估计特性进行了定性分析,由分析可知参数的相对大小对估计误差的一致性有直接影响,这说明EIV模型下系数矩阵和观测向量中随机量的估计误差与真误差的一致性关系相对复杂。 相似文献
6.
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。 相似文献
7.
《武汉大学学报(信息科学版)》2016,(2)
针对随机模型中观测向量和系数矩阵存在定权不准确的问题,提出了一种加权总体最小二乘随机模型验后估计方法。将赫尔默特方差分量估计方法应用于EIV(errors-in-variables)模型中,结合本文推导的加权总体最小二乘方法,对平差问题的函数模型和随机模型同时进行求解。通过采用真实和模拟数据的三个算例对该方法的有效性进行了验证,结果表明随机模型的验后估计方法在解决加权总体最小二乘问题时更合理、有效。 相似文献
8.
顾及像点观测方程的系数矩阵中存在随机误差,提出了基于总体最小二乘的线阵卫星遥感影像光束法平差模型。在假定像点观测误差和系数矩阵误差均为独立、等精度分布的基础上,利用拉格朗日条件极值法推导了包含外方位元素虚拟观测方程和控制点误差方程的总体最小二乘光束法平差算法的具体公式和计算方法。该方法利用方差分量估计确定各类虚拟观测值的方差,可求解包含多类虚拟观测量的平差问题,并可用先验信息或岭迹法确定系数矩阵观测值的权比例系数,从而克服了现有总体最小二乘虚拟观测方法不能处理多类虚拟观测值的不足,确保了光束法平差可正确有效求解。分别利用模拟算例与两组真实影像进行了试验验证。结果表明,相比于常规最小二乘虚拟观测法以及现有总体最小二乘虚拟观测方法,本文方法具有更高的求解精度与适应性。相较于传统线阵卫星遥感影像光束法平差方法,本文方法可以获得更高的平差计算精度。 相似文献
9.
考虑系数矩阵含非随机元素和不同位置含相同随机元素的结构化特征,PEIV（partial errors-in-variables）模型较一般的EIV模型更为严格。现有PEIV模型加权整体最小二乘（weighted total least squares,WTLS）估计算法需多次迭代,影响计算效率。通过利用观测值误差和系数矩阵误差的统计性质构造非线性目标函数,并以此推导了新的PEIV模型WTLS估计的计算公式,同时设计了相应的Fisher-Score算法。算例分析结果表明,相比较而言,Fisher-Score算法迭代次数较少,计算效率得到大大提升。 相似文献
10.
针对观测向量和系数矩阵权分配不合理、验前随机模型不准确的情况,以部分误差变量（partial errors-in-variables,PEIV）模型为基础,推导了附有相对权比的总体最小二乘平差算法;通过在平差准则中加入相对权比,自适应调整观测向量和系数矩阵随机元素对模型参数估计的贡献,给出了确定相对权比的验前单位权方差法和判别函数最小化迭代算法,该算法普遍适用于一般性的系数矩阵和权矩阵。通过直线拟合和坐标转换模拟算例的比较分析,发现当观测值和系数矩阵的验前单位权方差已知,且较准确时,验前单位权方差法确定相对权比和参数估计的效果较好;而以${{\overline{\mathit{{\mathit{\Phi}}}}}_{1}}\left( \hat{\varepsilon },{{{\hat{\varepsilon }}}_{a}} \right)={{\hat{\varepsilon }}^{\text{T}}}\hat{\varepsilon }+\hat{\varepsilon }_{a}^{\text{T}}{{\hat{\varepsilon }}_{a}} $作为判别函数是判别函数最小化迭代算法中效果最好的。 相似文献
11.
基于方差分量估计的拟合推估及其在GIS误差纠正的应用 总被引：2，自引：0，他引：2
拟合推估解算必须首先求得信号向量的方差协方差矩阵,该协方差矩阵一般通过选定的协方差函数,并通过已测点数据进行拟合得到。显然观测噪声的先验方差协方差阵与拟合得到的随机信号的方差协方差矩阵必须相互协调,即观测噪声向量和信号向量的权矩阵所对应的方差因子应该一致,否则将对固定效应和随机效应参数的估计带来系统性的影响。应用方差分量估计来协调拟合推估模型中观测噪声和信号向量的随机模型,并分别从极大似然估计、MINQUE估计、赫尔默特方差分量估计三方面构建了拟合推估模型的方差分量解,最后利用新提出的理论与方法,对一幅实际的扫描地形图进行误差纠正,结果表明基于方差分量估计的拟合推估法能够提高扫描地形图的精度。 相似文献
12.
13.
14.
《测绘文摘》2008,(4)
CH20081939基于方差分量估计的拟合推估及其在GIS误差纠正的应用=Variance Component Estimation Based Collocation and Its Application in GIS Error Fitting/杨元喜,张菊清,张亮(西安测绘研究所)//测绘学报.-2008,37(2).-152～157拟合推估解算必须首先求得信号向量的方差协方差矩阵,该协方差矩阵一般通过选定的协方差函数,并通过已测点数据进行拟合得到。显然观测噪声的先验方差协方差阵与拟合得到的随机信号的方差协方差矩阵必须相互协调,即观测噪声向量和信号向量的权矩阵所对应的方差因子应该一致,否则将对固定效应和随机效应参数的估计带来系统性的影响。应用方差分量估计来协调拟合推估模型中观测噪声和信号向量的随机模型,并分别从极大似然估计、MINQUE估计、赫尔默特方差分量估计三方面构建了拟合推估模型的方差分量解,最后利用新提出的理论与方法,对一幅实际的扫描地形图进行误差纠正,结果表明基于方差分量估计的拟合推估法能够提高扫描地形图的精度。图2表1参22 相似文献
15.
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。 相似文献
16.
17.
针对基于遥感数据的二维建筑物的直角化问题,以建筑物边界点的坐标为观测值,以顾及边界正交限制条件的直线斜率和截距为参数,建立附有限制条件的变量误差（errors-in-variables,EIV）模型。考虑观测向量和设计矩阵相关的情况,给出了增广设计矩阵的协方差阵的计算方法,推导了附限制条件的通用加权总体最小二乘（weighted total least squares,WTLS）平差算法,以及近似精度评定算法和仅含二次型限制条件的WTLS平差方法。理论和算例分析表明,在建筑物重建问题中,附有限制条件的EIV模型比经典附有限制条件的Gauss-Helmert模型易于构建,所提的WTLS算法快速收敛速度快,对拓展WTLS平差方法的应用具有理论与实践意义。 相似文献
18.
方差分量估计的通用公式 总被引：1，自引：0，他引：1
应用最小二乘原理将方差分量估计公式从参数平差模型推广到概括函数平差模型。通过选取恰当的权阵,基于概括函数模型的最小范数二次无偏估计及赫尔默特法得到的公式均是本文的特例。视协方差矩阵为权逆阵,得到了最小方差估计,并证明了该公式与最优二次无偏估计的通用公式等价,从而表明最优二次无偏估计和极大似然估计的通用公式也是本文的特例。除此之外,本文还给出了最小二乘方差分量估计的简化公式,并对其进行了扩展。最小二乘方差分量估计的假设检验理论同样得到了推广。 相似文献
19.
岭估计及其应用 总被引：2，自引：0，他引：2
黄幼才 《武汉大学学报(信息科学版)》1987,(4)
最小二采估计是最小无偏估计。平差后,观测值的残差平方和为最小。在法方程系数矩阵A~TA接近于单位矩阵(矩阵状态良好)的情况下,未知参数的最小二乘估值是可靠的。但是,在法方程系数阵处于病态的情况下,观测值残差平方和最小并不能保证未知参数估值的方差也小。岭估计能缩短未知参数估值与其真值之间的距离,即减少未知参数估值的方差。 相似文献
20.
分析指出了标度总体最小二乘方法(STLS)存在的问题,提出了一种隐式标度因子的标度总体最小二乘方法(Im STLS)。区别于现有STLS方法在平差准则中引入标度因子,Im STLS方法在EIV函数模型中顾及标度因子,从而解决了现有STLS平差准则形式与标度因子实际表征的平差结果不一致的问题。此外,利用所建函数模型的重构表达式推导的Im STLS估计量及其方差-协方差阵,与经典最小二乘平差理论具有形式同构性。最后,验证了所提方法统一表达LS,DLS和TLS的正确性,并讨论给出了标度因子对平差结果的影响及确定方法。 相似文献