河南理工大学张教授编著的《现代测量数据处理与理论方法》—研究生用.pdfVIP

第十二章 现代平差概论 以上各章阐述了四种基本的测量平差方法，即条件平差、间接平差、附有参数的条件平差和具 有约束条件的间接平差法。还给出了综合这四种基本平差方法的概括模型，即具有约束条件的条件 平差法。四种基本平差方法的数学模型都是概括平差模型的特例，从而阐明了各种平差方法的各自 特点和相互联系。一般在测量平差中常用的是间接平差法，其数学模型为： ~ L X d B Δ 函数模型： 随机模型：E(Δ) 0 ， 2 1  2 D P  Q 0 0 式中，L 为n 1维观测向量，Δ为n 1维真误差向量，X 为t 1未知参数向量，Bn为t  维系 数矩阵，D 、P 和Q 分别为Δ的自协方差矩阵、权矩阵和权逆阵，2 为单位权方差。这一模型 0 也称为高斯—马尔柯夫线性模型。在经典平差中一般假设：（1）系数阵B 为列满秩，即B 的秩等 于t ；（2 ）未知参数X 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。 绪论中已指出，近几十年来，测量平差与误差理论得到了很多发展，并扼要地举出了所产生 的一些新的测量平差模型。为了区别起见，通常将上述四种基本平差方法和概括平差模型称为经 典测量平差方法，后者常称为近代测量平差方法。本章将对这些近代平差方法作一简介。 §12.1 最小二乘配置 经典最小二乘平差中，各种平差方法的模型方程中所求的未知参数是无先验统计信息的非随 机量，通常称为非随机性参数，也称为系统性参数。在现代平差中，有些参数在平差前就已具有 先验的统计性质，即已知其先验期望和先验方差，这种具有先验信息的参数称为随机性参数或称 为信号。在平差模型方程中既包含系统性参数，又有随机性参数，同时求其估值的方法，称为最 213 小二乘配置或称为最小二乘拟合推估。若平差模型中仅含有随机性参数，依最小二乘原理确定随 机性参数的估值方法称为最小二乘滤波。 随机信号又可分为两类，一类是能与观测值建立函数模型的信号，称为已测点信号，也叫显 信号；另一类是不能与观测值建立函数模型的信号，称为未测点信号，或称为隐信号。通常把推 求显信号的方法称为滤波，而将求隐信号的方法称为推估。 一、数学模型 设配置的模型方程为 ~ L X  B Y  A Δ (12.1.1) n nt t nm m n1 1 1