间接平差的数学模型.pptVIP

第七讲　最小二乘原理 本节学习内容： 函数模型线性化 平差的随机模型 参数估计与最小二乘原理。 平差的函数模型有哪几种 四种平差的函数模型的表示方法 上节内容回顾： 条件平差的函数模型： 先确定必要观测数t； 由r=ｎ-t求出多余观测r； 列立r个独立的条件方程（即观测量真值之间的几何条件式）。 即： 间接平差的函数模型： 先确定必要观测数t； 选t个独立的参数； 列立ｎ个观测方程（将每一个观测值表达成所选参数的函数）； 即： 上节内容回顾： 附有限制条件的间接平差： 看成是特殊的间接平差； 特殊在所选参数个数要比 间接平差时个数多； 参数个数ｕ：ｕ＞t 函数模型的个数： ｃ=ｎ+（ｕ-t）=ｎ+ｓ 函数模型的类型： 1.按间接平差的观测方程、 2.未知数之间的条件方程（限制条件式）。 函数模型可表示为： 附有参数的条件平差： 看成是特殊的条件平差； 特殊在需选参数，且独立； 参数个数ｕ：0＜ｕ＜t 函数模型的个数： ｃ=r+ｕ； 函数模型的类型： 1.按条件平差的条件方程、 2.含有参数的条件方程。 函数模型可表示为： 上节内容回顾：  参数个数 平差方法 函数模型一般式 ｕ=0 条件平差 ｕ=t 间接平差 0＜ｕ＜t 附有参数的条件平差 ｕ＞t 附有限制条件的间接平差 ｎ=5，t=2，r=3；列立3个函数模型： 可见，有些条件方程是非线性的、又如何线性化？ 2 函数模型的线性化 2 函数模型的线性化 在各种平差中，所列函数模型有线性的、也有非线性的； 在平差计算时，需将非线性方程转成线性方程，即： 非线性函数模型线性化。 线性化的方法： 用泰勒级数公式展开，并取自一次项，二次以及以上高次项舍去。 非线性函数模型按泰勒级数展开： 例.将非线性条件式 线性化。 3 测量平差的数学模型 数学模型包括：函数模型和随机模型。 一、随机模型 是描述观测值的先验精度及其相关性的特征。 通常用观测值的方差-协方差阵来表示。 即： 3、数学模型 条件平差的数学模型： 间接平差的数学模型： 间接平差：  条件平差： 附有参数的条件平差 附有条件的间接平差 第七讲　最小二乘原理 本节学习内容： 参数估计与最小二乘原理。 平差的函数模型有哪几种 四种平差的函数模型的表示方法 随机模型及表示方法 前节内容回顾： 参数估计 如下图按条件平差 测量平差中的参数估计：在众多的解中，找出一个最为合理的解，作为平差参数的最终估计。 一、参数估计及其最优性质 同样是：在众多的解中，找出一个最为合理的解，作为平差参数的最终估计。 一、参数估计及其最优性质 数理统计中估计量最优性质是指估计量应有： 无偏性： 一致性： 有效性： 方差最小的估计量，称为最优无偏估计量。 一、参数估计及其最优性质 估计量的最优性质 为了在在众多的解中，找出一个最为合理的解，需对最终估计值提出某种要求； 考虑平差所处理的是随机观测值，故这种要求自然从数理统计观点去寻求，即参数估计要具有最优的统计性质； 从而可对平差数学模型附加某种约束，实现满足最优性质的参数唯一解。 这种约束是用某种准则实现的，其中最广泛采用的准则是最小二乘原理。 一、参数估计及其最优性质 二、最小二乘原理 所谓的最小二乘原理就是在满足： 的条件下，解出参数的估值，这种求估计量的方法就称为“最小二乘法”。 p是观测值的权阵。 例：设已知一质点作匀速直线运动，则运动轨迹可由如下线性函数来描述： 则可得n个方程， 写成矩阵的形式： 三.最小二乘原理与最大似然估计 设观测向量为L，L为n维随机正态向量，其数学期望与方差分别为： 由最大似然估计准则知其似然函数为： L的正态密度函数 按最大似然估计的要求，应选取能使lnG取得极大值时 对参数进行估计。 由于上式右边的第二项前是负号，所以只有当该项取得极小值时，lnG才能取得极大值，换言之， 应满足如下条件： 即最小二乘原则。 例：一个三角形，等精度独立观测了三内角Li，求三内角的平差值(估值)。 解： （1）函数模型--- （2）随机模型--- （3）平差准则---- 四、应用举例 例：等精度独立观测了某量n次,观测值 Li(i=1,2,..n)， 求该量的估值。 解： （1）函数模型--- （2）随机模型--- （3）平差准则---- 四、应用举例 可用VTPV对X估值求一阶偏导，并令其等于0，