共查询到15条相似文献，搜索用时 156 毫秒
1.
2.
为了解决空间直角坐标系间相互转换时,由于公共点的坐标精度差直接导致坐标转换精度差的问题.探讨利用抗差估计理论解决公共点坐标粗差的影响,结合具体的坐标转换算例,分别采用Tukey、IGG1及IGG3三种权函数进行迭代计算,完成坐标转换.结果表明,抗差估计原理用于空间直角坐标系间的相互转换,可以降低公共点粗差的影响,提高坐... 相似文献
3.
t 型估计是一种新的抗差估计,其思想是以 t 分布对观测误差建模。 但 t 型估计不能抵抗病态性的影响。 因而,为解决病态性与粗差同时存在的问题,需要对 t 型估计进行改进,建立基于 t 型估计的抗差有偏估计。 分别通过有偏估计中的广义压缩变换的方法和对 t 分布模型引入先验信息,可以得到两类抗差有偏估计———广义压缩 t 型(GST)估计和 t 型 Bayes 估计。 详细讨论了正态-Gamma 先验下 t 型 Bayes 估计及其 EM 算法。 理论分析和数值试验都表明,这两种抗差有偏估计可以有效解决粗差和病态性同存在的问题。 相似文献
4.
5.
6.
水下声学定位观测数据中不可避免地存在粗差,随机模型解算广泛地采用等权模型,模型实现简单,但与实际不符,且不能抑制粗差影响。针对该问题,提出一种基于IGG3方案的抗差Helmert方差分量估计方法。该方法通过水深和观测距离将观测值分为两类,利用Helmert方差分量估计确定不同类观测值的权比,抗差解决了粗差导致Helmert方差分量估计模型失效的问题。实验结果表明,相比于传统解算方法,抗差Helmert方差分量估计方法可以合理确定各观测值权比,削弱粗差影响,提高水下定位精度和可靠性。 相似文献
7.
8.
传统倾斜刃边法没有充分考虑噪声的影响,在进行刃边直线拟合和ESF(edge spread function)拟合时均采用最小二乘拟合估计,当影像噪声较大时会使得调制传递函数MTF(modulation transfer function)重建结果失真。采用抗差估计代替最小二乘估计,优化了传统倾斜刃边法中刃边直线拟合和ESF拟合过程,并采用模拟仿真的方法对倾斜刃边法的边缘直线拟合精度及MTF重建精度进行了评估与分析。实验结果表明,基于抗差估计的倾斜刃边法可有效抑制噪声影响,边缘直线拟合结果及MTF重建结果均与真实值吻合较好,且稳定性强。 相似文献
9.
10.
数字高程模型(DEM)生产中最关键的环节是质量控制,而粗差是影响DEM质量的重要因素之一。简单介绍了自适应最小二乘估计的原理,并将其用于DEM趋势面拟合中,结果表明该方法具有良好的抗粗差的能力,用含粗差的数据拟合出的曲面与实际地形比较符合。 相似文献
11.
12.
基于CUBE算法的多波束测深数据自动处理研究 总被引：1，自引：0，他引：1
对CUBE算法自动处理多波束测深数据的模型建立、格网节点的多重估计和最优估值选取准则进行了详细介绍,深入分析了多重估计的实用性,并通过实测数据对该算法进行实现.利用了抗差Kalman滤波改进CUBE算法.通过模拟数据对改进的CUBE算法进行实验,验证了算法改进的必要性. 相似文献
13.
CUBE算法及其在多波束数据处理中的应用 总被引：5，自引：0，他引：5
阐述了一种基于表面生成的多波束数据处理方法——CUBE(Combined Uncertainty and Bathymetry Estimator)算法,用该方法可以对观测区域网格节点"真实"水深及相关误差进行估计。与从测量水深中选择出"最佳"数据的手工交互方式的多波束数据编辑手段不同,CUBE算法具有很强的抗差性和较高的效率,适合于实时多波束数据处理。对南海某测区多波束数据处理结果表明,在没有人工干预的情况下,利用CUBE算法去噪生成的海底DTM图与手工编辑生成的相当吻合。CUBE算法和手工编辑方法综合对比得出,CUBE算法能够很好地保留水深地形细节,在计算效率、误差评估、实时处理等方面比手工编辑方法具有较大的优势。 相似文献
14.
15.
Due to the geological complexities of ore body formation and limited borehole sampling, this paper proposes a robust weighted least square support vectormachine (LS-SVM) regression model to solve the ore grade estimation for a seafloor hydrothermal sulphide deposit in Solwara 1, which consists of a large proportion of incomplete samples without ore types and grade values. The standard LS-SVM classification model is applied to identify the ore type for each in complete sample. Then, a weighted K-nearest neighbor (WKNN) algorithm is proposed to interpolate the missing values. Prior to modeling, the particle swarm optimization (PSO) algorithm is used to obtain an appropriate splitting for the training and test data sets so as to eliminate the large discrepancies caused by randomdivision. Coupled simulated annealing (CSA) and grid search using 10-fold cross validation techniques are adopted to determine the optimal tuning parameters in the LS-SVM models. The effectiveness of the proposed model by comparing with other well-known techniques such as inverse distance weight (IDW), ordinary kriging (OK), and back propagation (BP) neural network is demonstrated. The experimental results show that the robust weighted LS-SVM outperforms the othermethods, and has strong predictive and generalization ability. 相似文献