共查询到18条相似文献，搜索用时 140 毫秒
1.
为突出最新观测数据对未知参数估计的影响及减弱陈旧观测数据对参数估计的影响,须考虑时变参数的变动而进行未知参数的估计,即实时估计.文中基于序贯算法,针对新观测值对未知参数估计的影响比陈旧观测值要大和用固定数目的最新观测值来确定未知参数的估计,导出了渐消记忆与限定记忆的实时序贯算法的主要公式,以达到快速计算的目的. 相似文献
2.
自适应序贯平差及其应用 总被引：2，自引：1，他引：2
基于自适应估计原理和抗差M估计原理，提出了自适应序贯平差和自适应抗差序贯平差法，给出了相应的参数估值公式。计算结果证明，自适应序贯平差能有效地控制模型参数先验信息的异常影响，平衡观测值和参数先验值在参数估计中的贡献;自适应抗差序贯平差能有效地抵制观测异常和模型参数先验信息异常扰动对平差结果的影响。 相似文献
3.
自适应序贯平差过程中,自适应因子的不同取值可以调节模型参数的先验信息和观测信息在平差过程中的利用程度,从而使未知参数的平差值接近真值。但是自适应因子取值过大或者过小都有可能使平差结果超出后验方差估计的范围,这样平差结果虽然接近真值但是却没有现实意义和实用价值。根据后验方差估计的原理,提出了利用后验方差估计确定序贯平差中自适应因子的取值范围;并给出了相应的计算步骤。通过计算实例证明该方法不仅具有实时序贯平差平衡观测值与参数先验值的功能,而且使计算结果具有实际意义。 相似文献
4.
确定实时序贯平差自适应因子取值范围的方法 总被引：1，自引：1，他引：1
自适应序贯平差过程中,自适应因子的不同取值可以调节模型参数的先验信息和观测信息在平差过程中的利用程度,从而使未知参数的平差值接近真值.但是自适应因子取值过大或者过小都有可能使平差结果超出后验方差估计的范围,这样平差结果虽然接近真值但是却没有现实意义和实用价值.根据后验方差估计的原理,提出了利用后验方差估计确定序贯平差中自适应因子的取值范围;并给出了相应的计算步骤.通过计算实例证明该方法不仅具有实时序贯平差平衡观测值与参数先验值的功能,而且使计算结果具有实际意义. 相似文献
5.
基于GPS双频原始观测值的精密单点定位算法及应用 总被引：9，自引：2，他引：7
本文提出一种基于GPS双频原始观测值的PPP算法,与基于消电离层组合观测值的传统PPP算法不同,新算法通过参数化站星视线方向的电离层延迟以消除其对PPP估值的不利影响;该新算法可以有效避免观测值组合过程所引起的观测数据噪声以及多路径效应被放大的不利影响;同时在利用扩展卡尔曼滤波模型进行未知参数的递归估计过程中,通过对大气延迟参数引入符合实际的约束,可以加快滤波收敛,提高参数估值的可靠性;视线方向电离层延迟可与其他未知参数同时估计得到,进而便于利用PPP技术进行精密电离层研究;此外,对于可能的模型误差（如码观测值粗差、相位观测值周跳等）,基于DIA的质量控制策略以消除或削弱其对参数估值的不利影响。利用实测数据对新算法在静态、低动态以及高动态定位应用方面的精度进行检验,结果表明,静、动态定位结果的外符合精度可分别达到1~2 cm和7~8 cm,验证了新算法的可行性和有效性。 相似文献
6.
针对永久散射体PSInSAR（Persistent Scatterer SAR Interferometry）算法流程的局限性,本文立足差分雷达干涉预处理和时序微变反演性能提升,提出了一种基于优化解空间的PSInSAR序贯处理算法。该算法能够实现新SAR影像无缝嵌入,避免时序PSInSAR整体数据处理流程溯源,实现微变参数的准实时更新。研究以南京明城墙文化遗产及其200 m缓冲区赋存环境为示范,基于2015-01—2018-02的32景降轨Cosmo-SkyMed条带影像,开展传统PSInSAR方法与优化解空间PSInSAR序贯方法形变反演与性能对比研究。结果表明,基于解空间优化的PSInSAR序贯方法简化了差分干涉流程,通过解空间搜索机制和结构改进,降低了算法时空复杂度,实现了未知参数求解约10倍效率提升。通过形变场精度交叉验证,发现两种方法形变估计结果吻合（总体误差在0—1 mm）,证实了PSInSAR序贯方法的有效性与可靠性,并揭示其在遥感大数据时代文化遗产高精度、准实时微变监测中的应用潜力。 相似文献
7.
针对超宽带(UWB)观测值异常引起的量测误差及系统噪声先验统计信息未知而导致状态估计误差增大的问题,该文提出了一种带噪声时变估计器的抗差容积卡尔曼滤波(CKF)算法。该算法在滤波过程中,利用预报残差因子构建抗差等价协方差矩阵,控制观测异常值对滤波参数解的影响,同时利用sage_husa算法对系统噪声的统计特性进行实时估计和修正,提高滤波精度和稳定性。实验结果表明,所提算法不仅能有效地消除量测误差对滤波解的影响,而且能在系统噪声先验信息未知的情况下更进一步提高UWB室内定位的精度和可靠性。 相似文献
8.
附加约束条件的序贯平差 总被引：1，自引：0，他引：1
从观测量分组的参数平差出发,详细推导了附加约束条件的序贯平差及其精度估计,讨论了附加约束条件的抗差序贯平差的计算过程.算例表明,推导的公式正确有效,简单实用,附加约束条件的序贯平差抗差估计能有效地抵制粗差的影响. 相似文献
9.
抗差贝叶斯估计及应用 总被引：3，自引：0，他引：3
当未知参数具有先验期望和方差，且观测值与未知参数先验值均服从正态分布时，最小二乘贝叶斯估计将给出参数的最优解。然而当观测值和参数先验值的实际分布有悖于正态假设时，经典贝叶斯估计使估值偏高。本文基于常用的M估计原理，对三种类型的误差模式，导出了M－LS、LS－M和M－M三种抗差贝叶斯估计解式和影响函数；讨论了相应的计算方法；给出了参数验后方差表达式。 相似文献
10.
11.
为合理利用边坡的几何信息和物理信息,控制几何观测异常对形变参数估计的影响,建立了一种带有未知系统误差的滤波模型,并给出了一种基于移动窗口的系统误差自适应拟合法,同时给出了相应的状态预测向量的协方差矩阵估计方法。GPS监测网的计算结果表明,该算法可以通过拟合地球物理信息来减弱观测异常所带来的影响,提高形变参数解算精度。 相似文献
12.
根据测站的垂线站心坐标系和法线站心坐标系之间的转换公式,将垂线偏差作为未知参数,列出地面常规网观测量（水平方向、垂直角和边长）在空间直角坐标系中的观测方程,并结合GNSS网的观测方程,推导出附加垂线偏差的GNSS网和地面网联合平差的参数估计及其精度评定公式。利用含有GNSS观测量和地面常规网观测量的实例数据解算出垂线偏差,分析了垂线偏差对平差结果的影响。结果表明,将垂线偏差作为未知参数,能够消除垂线偏差对观测值的影响,显著提高未知点坐标的解算精度及可靠性。 相似文献
13.
基于虚拟观测的病态问题解法 总被引：2，自引：0，他引：2
在大地测量数据处理领域中,处理病态问题的主要方法有:岭估计方法、奇异值分解法(SVD)、Tik-honov正则化方法等,但是这些方法大多数是强调数学上的意义,没有充分联系大地测量的实际情况,因此不利于在测绘领域病态问题本质的理解和研究。为使病态问题的求解具有实际的物理意义,提出了基于虚拟观测的岭估计方法。该方法将先验约束条件作为一类互相独立的虚拟观测值,从而把病态问题转化为测量平差问题,然后运用Helmert方差估计法来确定岭参数。该方法还可以得到的参数之间的权矩阵,用它来代替虚拟观测值的权矩阵,重新对参数进行计算,则实现了该方法向广义岭估计的推广。实际算例分析的结果表明该方法不仅计算简单而且能保证结果精确。 相似文献
14.
对伪距与载波相位观测值进行二次差分构造周跳检验参数,并利用Jarque-Bera方法对历元窗口内的周跳参数进行正态分布检验,较好地实现了周跳的实时探测。利用实测GPS静态数据以及车载GPS动态数据进行了周跳探测算例分析,结果表明,此方法能够实时探测出周跳,并能有效修复周跳。 相似文献
15.
支持向量回归辅助的GPS/INS组合导航抗差自适应算法 总被引：1，自引：0，他引：1
卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明：该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。 相似文献
16.
多因子自适应序贯平差 总被引：1，自引：1，他引：0
针对参数先验信息含有异常的问题,基于自适应滤波原理和双因子等价权原理,在单因子自适应序贯平差的基础上,提出了多因子自适应序贯平差,推导了相应的多因子自适应序贯平差公式。基于各点和各个参数不符值构造出了点自适应因子和坐标分量自适应因子,最后利用GPS网数据进行了计算与分析,结果表明,在先验信息异常量级不同的情况下,多因子自适应序贯平差结果优于单因子自适应序贯平差结果。 相似文献
17.
Robust estimation by expectation maximization algorithm 总被引：2，自引：2，他引：0
Karl Rudolf Koch 《Journal of Geodesy》2013,87(2):107-116
A mixture of normal distributions is assumed for the observations of a linear model. The first component of the mixture represents the measurements without gross errors, while each of the remaining components gives the distribution for an outlier. Missing data are introduced to deliver the information as to which observation belongs to which component. The unknown location parameters and the unknown scale parameter of the linear model are estimated by the EM algorithm, which is iteratively applied. The E (expectation) step of the algorithm determines the expected value of the likelihood function given the observations and the current estimate of the unknown parameters, while the M (maximization) step computes new estimates by maximizing the expectation of the likelihood function. In comparison to Huber’s M-estimation, the EM algorithm does not only identify outliers by introducing small weights for large residuals but also estimates the outliers. They can be corrected by the parameters of the linear model freed from the distortions by gross errors. Monte Carlo methods with random variates from the normal distribution then give expectations, variances, covariances and confidence regions for functions of the parameters estimated by taking care of the outliers. The method is demonstrated by the analysis of measurements with gross errors of a laser scanner. 相似文献