广义平差.docVIP

从极大验后估计和广义最小二乘原理推证静态逐次滤波 陈彬 （内蒙古科技大学，包头 014010） 摘要：拿到这个题目时，我们要对这个话题好好分析，这是个需要证明观点是否可行的话题，很显然，我们要搞清什么事静态逐次滤波，和怎样进行这个话题的论证时关键，说了用极大验后估计和广义最小二乘原理来推证，因此不能偏题。要得到静态逐次滤波，我们就要求求出X和D这两个很关键的量来。这样这个证明也就算是结束了。 关键词：极大验后估计；广义最小二乘原理；静态逐次滤波。 1 1 静态逐次滤波的含义及其论证 1.1 静态逐次滤波的含义 广义平差虽把未知参数向量视为随机变量,但如果它不是一个随机过程,即不随时间、地点变化,则仍属于静态滤波问题。静态逐次滤波是把观测方程分组,利用极大验后准则逐次滤波,所得的结果仍然与整体滤波一样。对于不同时期的观测方程进行同样的处理,亦能得到整体平差相应的结果。 （1-1） 式中是随机观测误差向量。L,,X,都是正态随机向量。 协方差传播定律得 （1-2） (1-3) 且有 (1-4) 将以上三式代入基本公式可得到X的估值为 （1-5） 它的误差方程为 (1-6) 因为x和 是相互独立的，得出都为0。因此得到误差方程阵为 （1-7）n 在第n-1次平差求得，由第n次平差可得 (1-8) (1-9) 以上就是用极大验后估计推证的静态逐次滤波。 1.1.2 用广义最小二乘原理来推证静态逐次滤波 根据广义最小二乘原理来导出滤波和推估公式，或者按着最小二乘平差方法来求解滤波和推估公式，称为最小二乘滤波和推估。 最小二乘配置的函数模型是 用标示被当做虚拟观测值的先验期望，将信号X和当做非随机参数，按最小二乘原理，可写出观测方程 （1-10） 根据广义最小二乘原理,当可将X和 先验期望当做相互独立的，虚拟观测值，并以表示其改正数，此时的广义最小二乘原理可以写为 （1-11） 如果不考虑，则为滤波问题，有 此时根据广义最小二乘原理，可写出观测方程 （1-12） 相应的误差方程和权阵为 (1-13) （令） （1-14） 式中 组法方程 (1-15) 由此解得 (1-16) (1-17) 由矩阵反演公式可得到 (1-18) (1-19) 因为 将它代入到（1-18）和（1-19）可得 在第n-1次平差求得，由第n次平差可得 以上就是广义最小二乘原理推证静态逐次滤波的全过程。 1.3 总结 不同的平差方法，尽管有它们自己格局的函数模型，但一具的估计准备是不变的，差别在于他们具体求解的方法不同，列出的误差方程不同，结果却都是一样的，因此在推证静态逐次滤波时，这两种估计方法都有自己独特的方法，显然当我们使用极大验后估计推证时感觉要比最小二乘原理推证时步骤要简单得多，这就需要我们根据自己的喜好去选择