共查询到18条相似文献,搜索用时 250 毫秒
1.
阐述了多项式曲面拟合GPS高程中参数数目对结果的影响,比较了传统最小二乘平差、主成分估计和岭估计在不同参数时的计算结果,主成分回归在不同参数时都可以取得比较满意的结果。 相似文献
2.
基于最小二乘估计(LS估计)的曲面拟合,作为似大地水准面拟合的一种方法,巳广泛应用在GPS高程转换中.然而,如果曲面拟合方程中存在病态问题,LS估计方法往往不能解算出稳定且准确的参数估值.在LS估计的基础上,探讨了基于两步解法的似大地水准面拟合方法.该方法能够减弱病态方程对拟合结果的影响,提高GPS高程转换的质量.最后... 相似文献
3.
4.
针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法——抗差岭型主相关估计。推导出了相应模型的抗差解及误差影响函数,并进行了计算分析。与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响。 相似文献
5.
针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法--抗差岭型主相关估计.推导出了相应模型的抗差解及误差影响函数,并进行了计算分析.与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响. 相似文献
6.
7.
8.
9.
10.
11.
抗差主成分估计及应用 总被引:3,自引:0,他引:3
本文基于抗差估计和主成分估计理论,提出一种新的估计-抗差主成分估计,推导了参数的抗差主成分解,并结合算例进行了试算。结果表明:抗差主成分估计不仅可以解除法方程系数降的病态,而且对于抑制观测粗差的影响也有显著功效。 相似文献
12.
针对视觉测量系统中畸变校正过程烦琐、计算复杂等问题,提出了一种基于基本矩阵约束的镜头畸变自动校正及像主点坐标确定方法。基于对极几何的基本矩阵和一阶径向畸变模型构建了两视图同名点约束方程;为解决待求参数过多导致解不稳定的问题,采用分步求解策略分别求解基本矩阵及畸变参数和主点坐标,用RANSAC稳健估计方法求取基本矩阵,用迭代最小二乘优化求解畸变参数和主点坐标,两步交替进行。提出的算法仅使用两张图像即可获取径向畸变参数及主点坐标,可操作性强,且对噪声具有一定的鲁棒性,适用于自然场景图像的校正。 相似文献
13.
针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法(principal component analysis,PCA)计算得到抗差法向量。通过构造的模拟地面激光扫描(terrestrial laser scanning,TLS)点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。 相似文献
14.
15.
基于岭估计的有理多项式参数求解方法 总被引:5,自引:1,他引:4
在使用最小二乘法解算卫星遥感影像的RPC参数时,如果控制点非均匀分布或模型过度参数化,其法方程系数矩阵很容易产生病态,获得的解将偏离真值,甚至得到错误的解.使用岭估计可改善法方程的状态,保证解稳定.采用岭估计方法,通过所获取的不同岭参数对SPOT和QuickBird影像进行实验,证实L曲线法是一种稳定的、有效的岭参数确定方法,可显著提高RPC参数的解算精度. 相似文献
16.
17.
抗差岭估计的误差影响测度 总被引:11,自引:0,他引:11
当观测值受异常污染影响而不服从正态分布,且平差法方程出现病态时,采用抗差岭估计可得到参数的理想解。本文基于抗差岭估计理论,导出了抗差岭估计的误差影响函数,以及实用的抗差岭估计参数解差和参数解差函数,并结合实例作了多种的试算和比较,结果表明,抗差岭估计的误差影响函数对模型及参数解的理论分析具有重要意义,参数解差函数计算方便,几何意义明确。 相似文献
18.
WANG Xinzhou 《地球空间信息科学学报》2001,4(1):1-4
1 IntroductionForindependentobservationsL ,theISEfirstlyusesthefollowingformulatoestimatethedistribu tion^f(L) :^f(L) =1nh 2π∑nj=1exp( - (L-Lj) 22h2 ) ( 1 )whereLareobservations;nisthenumberofob servations;h =α(Lmax-Lmin) /(n - 1 ) ,coefficientαcanreadilybelookedupfromtheTablei… 相似文献