第一章近代测量数据处理进展.pptVIP

11 大地网优化设计 传统大地网设计，仅凭经验进行，只要满足要求，并不最优、 科学。 随着电子计算机、数理统计、矩阵代数、优化方法在测量中 的应用，现在已经可能采用科学的方法，设计出满足精度要 求、成本低、可靠性强的最优大网，此过程称为—大地网优 化设计 大地网优化设计与最小二乘平差紧密相关，统一起来。 平差——测量成果的后处理。 设计——测量前的计划。 通常，将大地网最优化设计按其过程分为四类： 零类设计（ZOD）——选择大地网基准 一类设计（FOD）——大地网图形设计 二类设计（SOD）——观测权的设计 三类设计（THOD）——改进已有大地网的图形和观测权 此分类并不合理 优化准则：精度标准，可靠性标准，费用标准。 思考：平面网误差椭圆的应用！ 小结： 经典平差：高斯—马尔柯夫模型：  ( 无偏估计） X—非随机，L—随机独立，A—列满秩，P—对角方阵； ① L随机独立 → 随机相关，P—对称方阵（相关平差）。 ② A列满秩→A秩亏，秩亏自由网平差； ③ X非随机参数具有各态经历性的平稳随机函数（拟合推估）最小二乘配置； ④ 仅考虑研究函数模型（各种平差方法）→考虑研究随机模型（方差分量估计）； ⑤ 不考虑模型误差（系统误差，粗差）→顾及模型误差（附加系统参数的平差，可靠靠性理论，数据探测，稳健估计） 近代平差：使观测值概念广义化 无偏估计 有偏估计 ⑦ 线性模型进行参数估计→非线性参数估计 ⑧ 仅处理几何数据→物理数据联合（整体大地网平差）； ⑨ 静态平差→动态平差，考虑时间参数t (参数随时间的变化)； ⑩ 最小二乘估计→多种参数估计准则 ⑩ 按经验设计大地网最优设计大地网（大地网优化设计）线性代数，泛函分析，近代回归分析，多元统计分析，随机数学，计算机理论。 参数估计主要进展 非随机参数估计 顾及随机参数的Bayes估计、滤波、以及拟合推估（或称最小二乘配置—collocation） 最小二乘平差原则 抗差估计、自适应估计 满秩最小二乘平差 非满秩最小二乘平差 适定大地测量问题 非适定大地测量问题 静态大地测量数据 动态大地测量数据处理 方法名称 准 则 性 质 年 代 代表 LS平差 （L独立） 正态, 最优 1794， 1806 Gauss, Legendre 相关平差 （L相关） 正态, 最优 1947 Tienstra 秩亏平差 正态, 最优 1962 Meissl 广义LS （滤波，贝叶斯估计） 正态+正态， 无偏 1960 Weiner, Kalman 广义LS （配置） 正态+正态， 无偏 1969 Krarup, Moritz 有偏LS估计 有偏 60年代 Hoerl LS方差分量 估计 正态， 无偏 70年代 Rao， Kubik 抗差估计 相关观测 抗差估计 污染分布， 抗差性 1960， 1980 Huber Krarup 周江文 抗差LS估计， 拟稳平差 LS解法 1992 周江文 杨元喜 方法名称 原 则 性 质 年 代 代表人物 拟稳平差 正态, 最优 1982 周江文 陶本藻、欧吉坤 LS滤波，贝叶斯估计、拟合推估 正态+正态， 无偏 1960 1969 Kalman Krarup, Moritz LS方差分量 估计 正态， 无偏 70年代 Rao Kubik 抗差估计 污染分布， 抗差性 1964 1989 Huber Krarup 周江文 相关观测 抗差估计 双因子 迭代解法 1992 周江文 杨元喜 自适应滤波 抗差性、控制模型误差影响 2001 杨元喜等 近代测量平差的特点（一） 测量平差理论： 从以代数为主→概率统计为主+近代数学(如小波分析)； 形成：概率统计学、近代数学与测量数据处理融合为一体 数据采集方法：以现代手段为主，信息+干扰（偶然误差、粗差、系统误差），扩展了系统误差和粗差理论 数据处理最优化准则： 从最小二乘 → 极大似然估计、极大验后估计、最小方差估计、贝叶斯估计、P-范估计、信息扩展估计、半参数估计等最优化准则； 四、近代测量数据处理发展展望 近代测量平差的特点(二) 模型估计解算类型： 从经典高斯-马尔柯夫模型→广义高斯-马尔柯夫模型 新的参数估计方法：秩亏自由网平差，滤波与最小二乘配 置，稳健最