关于大地测量数据处理的研究.docVIP

关于大地测量数据处理的研究 　　【摘 要】在不同阶段进行大地测量，会由于环境、坐标系统、设计方案不同导致出现各种误差，因此正确进行测量数据处理对促进预期工作目标的实现存在深远意义。大地测量实际工作基于参数估计理论，且与随机模型、函数模型两者之间存在密切联系，本文首先阐述大地测量数据处理的重要性，然后分析随机模型与函数模型相关知识点，最后总结参数估计基础理论与实际处理措施，希望能够给予相关工作者一些借鉴，或者帮助提升我国大地测量数据处理水平及质量。 　　【关键词】大地测量；数据处理；分析研究 　　1 大地测量数据处理的重要性 　　大地测量工作中存在很多不稳定性因素，包括观测阶段、观测环境、设计方案、坐标系统等内容，因此极易出现误差。科学有效的数据处理能够充分发挥随机模型与函数模型的潜在职能，迅速提升数据处理工作的可靠性及准确性。 　　2 随机模型和函数模型概述 　　2.1 随机模型 　　以往观测对象类型、内容都较为单一相似，后来之间出现不同的类型，且使用不同精度进行观测，因此经典措施逐渐演变为协方差与方差分量估计形式，包涵Helmert法、MINQUE法、极大似然估计法、BIQUE法等，同时还组建了广义方差模型，增加协方差与方差分量估计形式的普遍性。方差分量估计形式能够对大地测量物力观测比重、几何观测调整等方面产生协助作用，另外在实践应用里这种形式满足重力场恢复、精密定轨、融合导航、卡尔曼滤波等潜在需求，此外在处理大量GPS网数据的采用方差分量估计措施，可以较好对各GPS子网随机模型进行及时协调。 　　2.2 函数模型 　　最小二乘平差在大地测量工程中应用的频率较高，在没有较多不等式限制要求时，可以不考虑人工变量，单纯依靠整标集法来获得线性互补方案。若只存在一种线性互补方案时，得出答案可以立即停止计算，但不等式限制要求多时会增加整标集法的计算量，因此需要将人工变量纳入考虑范围。一般来说，应该针对检验假设统计量与平差公式施行有效变换即可达到模型转换要求，在现实观测基础上转换混合模型，使之符合实际需求。补偿机制误差中解稳定性与完整性之间经常存在矛盾，也就是说系统之间的相关性、参数过度化可能会对主参数精度产生影响。大地测量数据处理过程中使用的大部分误差模型都属于非线性范围，比如探讨其非线性程度时存在较多指标，PE 与IN则是应用效果较好的两种。在非线性模型参数估计研究方面，有最速下降法、高斯-牛顿法和阻尼最小二乘法等。在非线性模型参数估计的直接解法方面，如基于控制网优化设计的非线性方程组解法，还有基于相关观测抗差估计的非线性方程的多目标优化算法等等。 　　3 大地测量参数估计基础理论与实际处理措施 　　1794年由Gauss创造的最小二乘法自问世以来就被广泛使用在大地测量数据处理工作中，尤其在Gauss-Markov定理完成组建后，大地测量数据处理领域获得了更为迅速的发展。数据处理基于非随机参数估计理论，在实践经验与研究的充分结合下，基础理论与实际处理措施逐渐涉及到最小二乘配置、随机参数Bayes估计、滤波等内容。在最初处理过程中，注重满秩最小二乘平差、适定问题、平差原则、静态数据等方面，后来慢慢转变为非满秩最小二乘平差、不适定问题、抗差估计、自适应估计、动态数据等。这些变化提升了数据处理措施的灵活性，使参数估计基础理论更为严密，具备可靠精度。 　　近几年时间以来我国研究领域指出在对抗差估计理论基础上可以优先采用学生化残差统计量进行大地测量数据处理，在实际使用时这种方式能够构造理想的等价权函数，另外也将误差水平临界值纳入考虑范围，在控制观察误差前提下，同步施行实际多余观测数及图形强度，整体抗差性明显优于固定临界值。将抗差估计和正态分布统计量进行对比可知，大地测量工程在抗差估计协助下能够顺利开展应变模型特殊位移工作，成功进行了影响均匀应变的特殊位移参数的识别，成功讨论了大地基准的抗差转换，计算了地心运动，完成了海平面模型的参数估计的研究，完成了卫星激光测距的系统误差的抗差估计的研究。 　　大地测量自适应滤波问题在近段时间受到广泛重视，其核心是组建自适应因子并对动力学模型误差进行判断。我国学者在研究基础上组建4种动力学模型误差，即状态不符值统计量、预测残差统计量、基于模型预测速度与计算速度不符值统计量以及基于动力学模型预测信息与观测信息的方差分量比统计量[5]。同时组建了4种自适应因子：即两段函数模型、指数函数模型、三段函数模型、选权函数模型。自适应抗差滤波已成功用于大地网重复观测的数据处理和卫星轨道测定等方面。另外，非线性模型参数估计的直接解法别越来越多的应用，不仅不需迭代，而且可以同时考虑二次、三次项的影响，参数估值精度比传统的线性近似时参数估值的精度要高。 　　4 结束语 　　总而言之，伴随着我