最小二乘估计理论及算法在测量平差中的应用.docx

最小二乘估计理论及算法在测量平差中的应用一、最小二乘估计理论及算法从整体上考虑近似函数同所给数据点(i=0,1,…,m)误差(i=0,1,…,m)的大小，常用的方法有以下三种：一是误差(i=0,1,…,m)绝对值的最大值，即误差 向量的∞—范数；二是误差绝对值的和，即误差向量r的1—范数；三是误差平方和的算术平方根，即误差向量r的2—范数；前两种方法简单、自然，但不便于微分运算 ，后一种方法相当于考虑 2—范数的平方，因此在曲线拟合中常采用误差平方和来 度量误差(i=0，1，…，m)的整体大小。首先介绍一些基本概念（1）残差??? 设 是被解释变量的第 次样本观测值， 是相应的第 次样本估计值。将 与 之间的偏差记作??????????????????????????????（1）称 为第 次样本观测值的残差。??? （2）最小二乘准则???使全部样本观测值的残差平方和达到最小，即???????来确定未知参数估计量的准则，称为最小二乘准则。??? （3）最小二乘估计量???未知参数的最小二乘估计量的计算公式为???????????????????????????????????????????????????????（2）??? 最小二乘估计量的推导??? 设残差平方和???????????????????????????????????????????????????????????????????????????????其中???????它是阶残差列向量。???为了得到最小二乘估计量，我们对上式进行极小化???????移项后，得正规方程组???????根据基本假定5.，存在，用左乘正规方程组两边，得的最小二乘估计量式?????????? （4） 的无偏估计量??? 随机误差项 的方差 的无偏估计量为???????????????????????????????????????????????????????????（3）称作回归估计的均方误差，而???????????????????????????????????????????????????????????（4）称作回归估计的标准误差。??? （5）的方差????????????????????????????????????????????????（5）其中，，于是每个的方差为???????，而是矩阵对角线上对应的第个元素， 。??? （6） 方差的估计量???方差的估计量为???????　????????????????????????????????????????（6）则每个方差的估计量为???????，?　　??????????（7）标准差的估计量为???????， 　???????????（8）数据拟合的具体作法是：对给定数据 (i=0,1,…，m)，在取定的函数类中,求,使误差(i=0,1,…,m)的平方和最小，即=从几何意义上讲，就是寻求与给定点(i=0,1,…,m)的距离平方和为最小的曲线（图1）。函数称为拟合 函数或最小二乘解，求拟合函数的方法称为曲线拟合的最小二乘法。在曲线拟合中，函数类可有不同的选取方法.图1（二） 多项式拟合假设给定数据点(i=0,1,…,m)，为所有次数不超过的多项式构成的函数类，现求一,使得 (9)当拟合函数为多项式时，称为多项式拟合，满足式（9）的称为最小二乘拟合多项式。特别地，当n=1时，称为线性拟合或直线拟合。显然为的多元函数，因此上述问题即为求的极值 问题。由多元函数求极值的必要条件，得 (10)即 (11)（3）是关于的线性方程组，用矩阵表示为 (12)式（11）或式（12）称为正规方程组或法方程组。可以证明，方程组（12）的系数矩阵是一个对称正定矩阵，故存在唯一解。从式（12）中解出(k=0,1,…，n)，从而可得多项式 (13)可以证明，式（13）中的满足式（1），即为所求的拟合多项式。我们把称为最小二乘拟合多项式的平方误差，记作由式(11)可得 (14)多项式拟合的一般方法可归纳为以下几步： (1) 由已知数据画出函数粗略的图形——散点图，确定拟合多项式的次数n；(2) 列表计算和；(3) 写出正规方程组，求出；(4) 写出拟合多项式。在实际应用中，或；当时所得的拟合多项式就是拉格朗日或牛顿插值多项式。二、测量平差的主要公式及方法概述本文采用的平差方法主要是间接平差。在间接平差中,它的函数模型为:$=BX -l,随机模型为:，法方程为:平差值方程的矩阵形式为:L+V=BX^+d在间接平差中各向量的关系式为:按协因数传播律,可得L、X^、V及相互间的协因数阵:再计算L^的自协因数阵以及它和L、X^