非线性最小二乘参数平差迭代算法.pdfVIP

维普资讯 第 l8卷第3期 测 绘 学 院学 报 Ⅷ ．18No3 2(／)1年9月 J,~ ua0fh~st[Wt．e0fSL illg dMappir~ Sept 2(／)1 文章编号：1009-427X(2001)03-01734)3 非线性最sJ~--乘参数平差迭代算法 范 东 明 (西南盘通太学 剥量工程系，四川 成都 610031) 摘要：在非线性最小U-乘问题现有的3类主要算法——高斯一牛顿法、阻尼最小二乘法和最小二乘的拟牛顿 法的基础上，引入了综旨性能更优的非线性规划的 sQPM (序列二欢规划法)算法，井且为进一步提高 s0PM算法遥代的收敛性．对其步长策略进行了改进。改进的sQPM算法成为无蔫精确计算参数概略值的非 线性最小二乘参数平差的实用和有效算法。 关 键 词 ：非线性最小二乘 ，参数平差 ，连代算法 ，sQPM算法 中图分类号：P207 文献标识码 ：A 最小二乘参数平差的函数模型常常是非线性 下降方向 一[B( )PB( )]～1 的。经典最小二乘参数平差是将非线性的函数模 ( )P[，( )一 ]}(2) 型在参数的概略值处按泰勒级数展开，忽略高次 参数迭代 ～= + J 项使其线性化，然后按线性最小二乘法求解。其 高斯一牛顿法是一种经典的迭代算法，其下降 实质是用一个线性最小二乘问题来逼近原非线性 方向就是经典线性最小二乘参数平差的解。故该 最小二乘问题。但前提是参数的概略值应充分接 算法的实质就是将非线性最小二乘问题逐次化为 近于参数的平差值，否则线性化过程中存在模型 一 系列线性最小二乘问题来迭代求解 高斯一牛 误差 ，难以保证平差结果的正确性。而参数概略 顿法最终具有二次收敛速率，其优点是不用计算 值求解方法的规律性又极差，尤其难以实现计算 二阶信息，其缺点是当参数初值的精度不高时，迭 机的自动化处理。为避开精确计算参数概略值的 代往往不收敛。 1．2 阻尼最dx-乘法 (Levenblerg-Marqaardt法) 难题 ，同时又避免线性化过程中的模型误差，应直 这是高斯一牛顿法的一种变形 ，算法为 接采用非线性最小二乘参数平差方法求解。其数 下降方向 矿=一[B( )朋 ( )+ 1 学模型为 I] ( )P[F( )一L]} 最小二乘原理 )=yPV= n1 参数迭代 = +矿 函数模型 L=L+V=F()) (1) (3) 随机模型 D= Q= P。 J 其中， 为一非负实数，I为单位矩阵。 其中，L、L、V、 、D、Q、P、d。分别为观测值的平 当 =0时，阻尼最小二乘法变为高斯一牛顿 差值向量、观测值 向量、观测值的改正数向量、参 法；当 一 时，阻尼最小二乘法则变为最速下 数的平差值向量、观测值的协方差阵、观测值的协 降法。故称 h为阻尼因子。阻尼最小二乘法是 因数阵、观测值的权阵、单位权中误差。 早在非线性规划理论出现之前就提出的一种解最 小二乘问题的方法，它代表了一大类方法——信 1 现有的3类主要算法