测量平差课件武汉大学出版第四章.pptVIP

* 第四章 平差数学模型与最小二乘原理 * 最小二乘原理 1 最小二乘法 在生产实践中，经常会遇到会利用一组观测数据来估计某些未知参数的问题。例如，一个做匀速运动的质点在时刻 位置 ，可以用如下的线性函数来描述： （4-5-5） 式中， 是质点在 时刻的初始位置， 是平均速度。它们是待估计的位置参数，可见这类问题为线性参数的估计问题。对于这一问题，如果观测没有误差，则只要在两个不同时刻 和 观测出质点的相应位置 和 ，由（4-5-5）式分别建立两个方程，就可以解出 和 的值了。但是，在实际观测时，考虑到观测值带有偶然误差，所以总是作多余观测。 第五节 参数估计与最小二乘原理 * 第四章 平差数学模型与最小二乘原理 * 在这种情况下，为求 和 ，就需要在不同时刻 来测定其位置，得出一组观测值 ，这时，由上式可以得到 （4-5-6） 若令 第五节 参数估计与最小二乘原理 * 第四章 平差数学模型与最小二乘原理 * 由（4-5-6）式为 （4-5-7） 这是间接平差的函数模型 如果我们将相应的 ， 用图解表示，则可作出如图4-4所示的图形。从图中可以看出，由于存在观测误差的缘故，由观测数据绘出的点——观测点，描绘不成直线，而有某些“摆动” 这里产生了这样一个问题：用什么准则来对参数 、 进行估计，从而使估计直线 “最佳”第拟合各观测点？这里的“最佳”一词可以有不同的理解。例如，可以认为：各观察点对直线最大距离取最小值时，直线是“最佳”的；也可以认为，各观测点到直线的偏差的绝对值之和取最小值时，直线是“最佳”的，等等。在不同的“最佳”要求下， 第五节 参数估计与最小二乘原理 * 第四章 平差数学模型与最小二乘原理 * 可以求得相应问题中参数 和 不同的估值。但是，在解这类问题时，一般应用的是最小二乘原理。按照最小二乘原理的要求，认为“最佳”地拟合于各观测点估计曲线，应使各观测点到该曲线的偏差的平方和达到最小。 所谓最小二乘原理，就是要在满足 （4-5-8） 的条件下解出参数的估值和，上式也可表达为 （4-5-9） 第五节 参数估计与最小二乘原理 * 第四章 平差数学模型与最小二乘原理 * 式中， 表示未知参数的估计向量，在上述例子中， .满足（4-5-9）式的估计 称为的最小二乘估计，这种求估计量的方法就称为最小二乘法。 从以上的推导中可以看出，只要具有（4-5-7）式的线性模型参数估计问题，则不论观测值属于何种统计分布，都可按最小二乘原理进行参数估计，因此，这种估计方法在实践中得到广泛的应用。 第五节 参数估计与最小二乘原理 * 第四章 平差数学模型与最小二乘原理 * 2．最小二乘估计与极大似然估计 测量中的观测值为服从正态分布的随机变量，最小二乘原理可用数理统计中的最大似然估计来解释，两种估计准则的估计相同。 设观测向量为 ， 为随机正态向量，其数学期望和方差分别为 第五节 参数估计与最小二乘原理 * 第四章 平差数学模型与最小二乘原理 * 由最大似然 估计准则知，其似然函数（即L的正态密度函数（2-2-6）式）为 （4-5-10） 按最大似然估计的要求，应选取能使 取得极大值 的作为 的估计量。考虑到 ， 为 的估计量也就是以改正数 作为真误差 的估计量。由于（4-5-11）式右边第一项为常量。第二