第五章 线性参数的最小二乘法处.pptxVIP

第五章 线性参数的最小二乘法处理; 第一节 最小二乘法原理 第二节 正规方程 第三节 精度估计 第四节 组合测量的最小二乘法处理;第一节 最小二乘法原理;; 设直接测量量Y1,Y2,…,Yn的估计量分别为y1,y2,…,yn，则有如下关系： 而测量数据l1,l2,…,ln的残差应为： 即： 式（5-3）、式（5-4）称为误差方程式（残差方程式）。; 若数据l1,l2,…,ln的测量误差无偏（即排除了系统误差），相互独立且服从正态分布，设其标准差分别为σ1,σ2,…,σn，则各测量结果l1,l2,…,ln出现于相应真值附近dδ1,dδ2,…,dδn区域内的概率分别为：; 由概率乘法定理可知，各测量数据同时出现在相应区域dδ1,dδ2,…,dδn的概率应为： 根据最大或然原理，由于事实上测量值l1,l2,…,ln已经出现，因而有理由认为这n个测量值同时出现于相应区间dδ1,dδ2,…,dδn的概率P应为最大，反过来即待求量X1,X2,…,Xt的最可信赖值的确定，应使l1,l2,…,ln同时出现的概率P为最大。由上式可见，要使P最大应满足：; 当然，由前述给出的结果只是估计量，它们以最大的可能性接近真值而并非真值，因此上述条件应以残差的形式表示，即用残差代替绝对误差： 引入权的符号p，由下面的关系 有; 对于等精度测量，有 即 则式（5-5）可简化为 上式表明：测量结果的最可信赖值应在残差平方和（在不等精度测量时应为加权残差平方和）为最小的条件下求出，此即最小二乘法原理。 注意：虽然最小二乘法原理是在测量误差无偏、正态分布和相互独立的条件下推导出的，但在不严格服从正态分布的情形下也常被使用。; 最小二乘法既可以用于线性参数的处理，也可以用于非线性参数的处理。测量的实际问题大多属于线性的，而非线性参数可借助级数展开的方法将其在某一区域近似地化成线性的形式，因此线性参数的最小二乘法处理是最小二乘法理论所研究的基本内容。 线性参数的测量方程一般形式为：; 相应的估计量为： 误差方程为： 为了方便，线性参数的最小二乘法借助矩阵来进行讨论。;最小二乘法原理的矩阵形式 设有列向量 和n×t阶矩阵（nt）; l1,l2,…,ln为n个直接测量结果（已获得的测量数据）； x1,x2,…,xt为t个待求的被测量的估计量； v1,v2,…,vn为n个直接测量结果的残差； a11,a21,…,ant为n个误差方程的n×t个系数。 线性参数的误差方程式（5-9）可表示为： 即; 等精度测量时：残差平方和最小这一条件的矩阵形式为 即 或; 不等精度测量时，最小二乘法原理的矩阵形式为： 或 其中P为n×t阶权矩阵。; 线性参数的不等精度测量可以转化为等精度的形式（单位权化），从而可以利用等精度测量时测量数据的最小二乘法处理的全部结果。为此，应将误差方程化为等权的形式。若不等精度测量数据li的权为pi，将不等精度测量的误差方程式（5-9）两端同乘以相应权的平方根得：; 令 则误差方程化为等精度的形式为： 上式中各式已具有相同的权，及等精度测量的误差方程形式一致，即可按等精度测量数据处理的方法来处理。;设有n×1阶矩阵（列向量）和n×t阶矩阵 则线性参数不等精度测量的误差方程的矩阵形式为： 最小二乘条件用矩阵表示为： 或;第二节 正规方程;(一)线性参数的最小二乘法处理程序;一、等精度测量线性参数最小二乘法处理的正规方程;对残余误差的平方和 求导数，并令其为零，有： 因为;所以 同理有 上式中各二阶偏导数恒为正，即;由此可知，上面各方程求得的极值是最小值，满足最小二乘条件，因而也是所要求的估计量，最后把它写成：;上式即为等精度测量的线性参数最小二乘法处理的正规方程。这是一个t元线性方程组，当其系数行列式不为零时，有唯一确定解，由此可解得欲求的估计量。 上方程组在形式上有如下特点：; 现将上述线性参数的正规方程表示成矩阵形式。把正规方程组中第r个方程式（r＝1,2,…,t） 改写成如下形式： 式中r＝1,2,…,t。 由此，正规方程组可写成;因而它可表示为 即 ，这就是等精度测量情况下以矩阵形式表示的正规方程。又因 所以正规方程又可写成 即 若令 ，则正规方程又可写成; 若A（n×t阶矩阵，tn）的秩等于t，则矩阵 是满秩的，即其行列