第十二章-现代平差概论2008.doc

第十二章 现代平差概论 以上各章的测量平差方法，。函数模型：随机模型：， 式中，为维观测向量，为维误差向量，为未知参数向量，为维系数矩阵，和分别为的协方差矩阵权矩阵权逆阵，为单位权方差。称为高斯—马尔柯夫线性模型。平差中一般假设：（1）系数阵为列满秩，即的秩等于；（2）未知参数为非随机向量；（3）观测误差中仅包含偶然误差。按此假设得出的平差理论和方法称为经典测量平差。 随着测量技术的进步和测量工程中高精度的需要，特别是计算机、现代数学理论在测量平差中的广泛应用，使测量平差的理论和方法得到了很大发展，出现了一些新的平差理论和方法。如：将经典平差中系数阵列满秩的平差扩展为系数阵列秩亏的平差，提出了秩亏自由网平差；将经典平差中仅含有非随机参数的平差问题发展为同时含有随机参数的最小二乘平差方法，提出了最小二乘配置法（也称为最小二乘拟合推估法）；将经典平差中仅讨论偶然误差的观测值，扩展为既讨论含有偶然误差又含有系统误差和粗差的观测值的平差问题，提出了附加系统参数的平差法、测量系统的数据探测法和可靠性理论、抗差估计法等；将经典平差中平差参数的无偏估计，扩展为有偏估计，提出了平差参数的岭估计、广义岭估计等平差方法；在随机模型方面，扩展了经典平差定权的理论和方法，提出了多种随机模型的验后估计法，如方差分量的赫尔墨特估计法、最大或然估计法、最小范数无偏估计法等。 本章将对这些平差方法作一简介。 (12.1.1) 式中，为为为系统性参数向量。为随机性参数向量，它又分为两部分：一是维的已测点信号（显信号），与观测值间有函数关系；另一种是维的未测点信号（隐信号），它与观测值不发生函数关系，且。为维设计矩阵；为维设计矩阵。当随机参数中包括显信号和隐信号时，模型方程变为 (12.1.2) 各随机量的统计性质为， ， (12.1.3) (12.1.4) (12.1.5) ， 即 (12.1.6) 二、估值公式 设的估值为，的估值为，观测值的改正数向量为，则12.1.1）式的误差方程为 (12.1.8) (12.1.9) 依最小二乘原理，求未知参数和时，要顾及的验前统计性质。为此我们可以把的先验期望看成是方差为，权为，与观测值相互独立的虚拟观测值。用表示的虚拟观测值，的改正数向量为，则、与之间有误差方程为 (12.1.10) 将（12.1.7）和（12.1.10）写成统一的误差方程为 (12.1.11) 最小二乘原理扩展为 即 (12.1.12) 式中， ， 利用误差方程（12.1.11）在最小二乘原理（12.1.12）式下平差，就将配置问题转化为一般的间接平差问题。由间接平差公式有 (12.1.13) 或 (12.1.14a) (12.1.14b) 将（12.1.11）式代入（12.1.13）式，得法方程 (12.1.15) 由此可解得 (12.1.16) 这是参数估值的一般表达式。 下面推导各解向量的具体表达式。由.10）式和.14b）式得 (12.1.17) (12.1.1) 将.18）式代入.7）式得 进而有 (12.1.19) 将.19）代入.14a）式得 (12.1.20) 将.19）式代入.18）式得 (12.1.21) 将.5）、.8）和.9）式代入.21）式，可得 (12.1.22) (12.1.23) 式（12.1.20）式变为 (12.1.24) 以上（12.1.22）式、.23）和（12.1.24）式即为最小二乘配置的参数估值公式。由参数平差可得未知参数的权逆阵为 (12.1.25) 按矩阵分块求逆公式可得 (12.1.26) (12.1.27