共查询到18条相似文献，搜索用时 546 毫秒
1.
针对空间平面拟合中系数矩阵含有部分误差的特点,根据Partial EIV模型提取系数矩阵随机元素的思想,将空间平面拟合模型系数矩阵中观测元素作为随机元素提取组成新的未知向量。采用Partial EIV模型线性化的新解法求解拟合参数,简化了计算过程,且保证了系数矩阵相同元素的改正数一致,较EIV模型的总体最小二乘法,理论模型更加严谨。通过算例说明了,本文方法可以用于拟合空间平面,且精度有一定优势。 相似文献
2.
一种相关观测的Partial EIV模型求解方法 总被引：2，自引：2，他引：0
Partial errors-in-variables(Partial-EIV)模型作为EIV模型的扩展形式,其构造方式更有规律,解算方法更为简便,能有效应用于实际情况。针对已有Partial EIV模型方法未考虑观测向量和系数矩阵存在相关性这一情况,通过提取观测向量和系数矩阵组成的增广矩阵中非重复出现的随机元素,构建更具一般适用性的Partial EIV模型,在该模型的基础上,将特殊假定条件扩展到不限定观测数据相关性的一般情况,详细推导了观测向量和系数矩阵元素相关且不等精度情况下的加权总体最小二乘方法,通过算例试验,并与目前已有的解决EIV模型相关观测情况下的方法进行了比较分析,研究表明本文方法可以提高计算效率,更具一般性,特别是对于观测向量和系数矩阵中存在常数元素和重复元素的情况。 相似文献
3.
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
4.
杨娟 《测绘科学技术学报》2019,36(6)
利用平差参数间的合理等式约束能够提高解的稳定性。针对变量误差模型EIV(errors-in-variables)引入等式约束,分别针对系数阵良态和病态两种情形建立了约束总体最小二乘准则。基于非线性最小二乘问题的常用解法Newton-Gauss法,由约束准则构建了拉格朗日极值函数并由欧拉-拉格朗日必要条件导出了等式约束EIV模型的Newton-Gauss迭代解。针对精度评定时未考虑参数估值偏差所带来的影响这一不足,基于蒙特卡罗模拟法提出了一种估计约束EIV模型单位权方差和参数估值的协方差阵的数值方法。算例分析结果表明,约束总体最小二乘解严格满足先验等式约束条件;当系数阵病态时,约束条件能够提升解的稳定性和精度。此外,基于蒙特卡罗的数值方法能够获得稳定且合理的精度评定结果。 相似文献
5.
针对地形测图测绘和地物重建中存在的平行直线拟合问题,同时考虑x坐标和y坐标的测量误差,构建变量含误差(EIV)模型,根据设计矩阵的特点采用混合最小二乘(LS)总体最小二乘方法(TLS)求解,并给出了相应的精度评定方法。混合LS-TLS方法的平差结果与LS、TLS方法结果对比表明:对于平行直线拟合,混合总体最小二乘方法的精度高于LS和TLS方法。论文旨在对EIV问题提出实用的平差和精度评定方法,推TLS方法的应用。 相似文献
6.
冯延明 《武汉大学学报(信息科学版)》1987,(1)
监测水准网可采用一个线性动态系统——具有随机初始状态并带有随机动态干扰的状态方程和观测方程来描述,并运用卡尔曼滤波的方法进行状态估计。本文首先讨论了有关系统模型和滤波计算的实用公式,进一步考虑到卡尔曼滤波公式中对动态噪声与测量噪声所假定的完全的验前统计知识并不能精确得知的实际情况,提出了一种改进的卡尔曼滤波方法,即以方差分量估计原理为基础的自适应滤波方法。它还具有限制模型误差(包括初始状态误差),增强滤波稳定性的效用。文中最后通过对某复测水准网的实例计算和分析,初步证实了所提方法的可行性与有效性。 相似文献
7.
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
8.
具有随机系数矩阵的高斯-马尔可夫(GM)模型被称为变量误差(EIV)模型,在均方误差意义下,总体最小二乘(TLS)估计得到的EIV模型参数估值优于最小二乘(TLS)估计,这种状况已引起测绘领域的极大关注,并成为多年来的热点问题之一。 相似文献
9.
Partial EIV模型的解法 总被引：3，自引：3，他引：0
提出了一种求解partial errors-in-variables(partial EIV)模型的思路。通过对partial EIV模型的部分元素进行移项,重组成新形式下的平差函数模型,两次运用间接平差原理分别求解平差参数与系数矩阵中的随机元素,把总体最小二乘平差问题转化为最小二乘平差问题,并通过适当变换提高了新解法的收敛速度。最后分别采用实测数据和模拟数据进行验证,求解了本文算法与已有算法的估值结果。算例结果表明,本文算法能取得与已有算法相同的结果,是切实可行的。 相似文献
10.
由于AR（p）模型结构比较简单且计算比较方便，在变形分析中，目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值，变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型，利用观测数据建立AR模型，即建立观测方程；以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型，动态计算出AR模型的参数以便预测。此方法快速、实时，且占有较少内存，充分利用了AR模型和卡尔曼滤波二者的优点。 相似文献
11.
12.
加权整体最小二乘方法是一种能同时顾及EIV（errors-in-variables）模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景，EIV模型则表现出不同的结构特征。"加权整体最小二乘EIO模型与算法"一文采用EIO模型处理EIV模型中的结构化问题*。为了将其与现有方法进行对比，本文罗列出4种处理EIV模型结构特征的方法，并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是，针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究，但各方法殊途同归。 相似文献
13.
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
14.
随着电子战、信息战在现代军事领域的地位日趋重要,基于外辐射源的定位跟踪方法成为现代雷达领域的研究热点。针对通过单站接收多外辐射源信号获取角度（direction of arrival,DOA）和时差（time difference of arrival,TDOA）信息对运动目标跟踪的问题,首先推导角度和时差的伪线性观测方程,在通过最小二乘（least squares,LS）算法获取初值的条件下,利用传统的卡尔曼滤波算法实现目标的跟踪,该方法称为伪线性卡尔曼滤波（pseudo-liner Kalman filter,PKF）算法。进一步分析观测方程,提出了利用迭代的IPKF（iterative PKF）目标跟踪算法,并推导其克拉美罗下界（Cramer-Rao lower bound,CRLB）。仿真实验分析说明,该IPKF算法的跟踪精度、收敛速度和稳定性均优于传统的扩展卡尔曼滤波（extended Kalman filter,EKF）算法,且迭代次数越多,性能越好,观测误差越小,跟踪误差越接近CRLB。 相似文献
15.
针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度. 相似文献
16.
在使用总体最小二乘求解参数时,若观测值中包含系统误差,此时得到的参数估值则会受到系统误差的影响,从而得到不可靠的解,因此必须削弱系统误差对参数估计的影响,以获得相对可靠的解。本文提出在partial errors-in-variables （Partial EIV）模型的基础上给观测值增加非参数部分（系统误差）,从而构建Partial EIV半参数模型;基于补偿最小二乘准则进行公式推导,并分别通过选取适当的正则化矩阵及通过L曲线法确定平滑因子。通过算例结果分析表明,与传统方法相比,本文的方法在一定程度上能够削弱系统误差的影响,得到更为可靠的参数解,从而验证了该方法的有效性和可行性。 相似文献
17.
Total least squares adjustment in partial errors-in-variables models: algorithm and statistical analysis 总被引：10，自引：4，他引：6
The weighted total least squares (TLS) method has been developed to deal with observation equations, which are functions of both unknown parameters of interest and other measured data contaminated with random errors. Such an observation model is well known as an errors-in-variables (EIV) model and almost always solved as a nonlinear equality-constrained adjustment problem. We reformulate it as a nonlinear adjustment model without constraints and further extend it to a partial EIV model, in which not all the elements of the design matrix are random. As a result, the total number of unknowns in the normal equations has been significantly reduced. We derive a set of formulae for algorithmic implementation to numerically estimate the unknown model parameters. Since little statistical results about the TLS estimator in the case of finite samples are available, we investigate the statistical consequences of nonlinearity on the nonlinear TLS estimate, including the first order approximation of accuracy, nonlinear confidence region and bias of the nonlinear TLS estimate, and use the bias-corrected residuals to estimate the variance of unit weight. 相似文献
18.
针对将Kalman滤波方法应用到星载GPS定轨时，由于动态噪声和观测噪声确定不准而造成滤波的发散、污染观测值造成Kalman滤波估值的扭曲及计算舍入误差可能带来协方差阵的不正定性等缺陷，提出了一种新的综合Kalman滤波方法。该方法用拟准检定法准确地探测和修正量测方程中存在的粗差；用UD分解算法克服了数值的不稳定性，改进了计算精度；用Sage自适应滤波器克服滤波器的发散。算例结果表明，这种综合卡尔曼滤波方法具有数值稳定性好、较强的自适应性和较好地削弱粗差影响等优点。 相似文献