近代测量平差基础电子教案.doc

近代测量平差基础电子教案 8 近代平差基础 前面介绍的五种平差方法，我们称之为经典平差方法，随着计算机技术的普及、测绘技术的发展和现代化建设的需要，对数据处理的精度要求越来越高，为此，在经典平差方法的基础上，产生了一些新的测量平差模型，如稳健估计、秩亏自由网平差、方差分量估计等理论，为区别起见，我们称之为近代平差理论。本章将介绍这些平差基本理论及其应用。 217 经典平差总是假设观测值中只含偶然误差，不含粗差，平差模型正确，但测量实践表明，由于种种原因可能产生粗差或错误。粗差即粗大误差，粗差要比偶然误差大好多倍。 对粗差的处理，目前有两种基本途径。一是从函数模型入手，在未正式进行最小二乘平差计算之前进行数据预处理，设法探测和定位粗差，然后剔除含粗差的观测值，从而得到一组较干净的观测值,最后，再用这组较干净的观测值进行最小二乘平差,第7章中第6节介绍的粗差检验的数据探测法就属于这种方法；二是从随机模型入手，寻找既能自动抗拒粗差的影响，又基本上具备经典最优估计统计特性的估计方法， 218 稳健(Robust)估计就是这种途径的一种有效估计方法。 稳健估计是针对最小二乘估计不具备抗粗差这一缺陷提出来的，对粗差具有一定的抵抗能力，具有以下特点： 1.当不含有粗差时，所估计的参数是接近最优的； 2.当含有少量粗差时，所估计的参数变化也较小； 3.当含有较多粗差时，所估计的参数也不会太差。 第一个特点的不足之处是所获得的估计结果不是最优的，第二特点表明，虽然所获得的估计结果不是最优的，但能得到比较满意的结果，估计方法是比较好的，第三个特点可以防止某些相当坏的情况，估计结果也不会变得太坏。如果一个估计方法，在实际模型与假定模型相差较小时，其性能变化也较小，则称它是稳健的，可见稳健就是实际模型偏 219 离假定模型的不敏感性。 稳健估计的具体方法很多，下面只作简单介绍。 设有误差方程为 V?Bx?l n?tt?1n?1n?1 假定为等权观测，若不等权则可转化为等权观测。稳健估计的原则是 ??l??min???v?????bx (8-1) iii i?1i?1nn ?b1? ??b2??B???? 令 ???bn? 220 即b为B阵中第i行向量。最小二乘估计，可理解为??v??v，由于v2随v的增加而迅速增大，所以最小二乘估计不具有稳ii2i健性。为使估计稳健化，要求能控制奇异值对解的影响，寻求增长速度缓慢的有界函数作为极值函数。例如选取??V??，即一次范数最小，就是一种稳健估计的极值函数。选取不同的极值函数，就会得出不同稳健程度的估计值。 稳健估计是一种求非线性方程的极值解，其中迭代权函数法是一种利用已经掌握的最小二乘估计的计算方法，简单实用，以一次范数最小估计为例，说明这种解法。 设极值函数为 ???v???i 221 vi?min ?于是 ?x??vi????x?v2 i???v?2i?12vi?vi??x?0 (8-2) ??li得 由vi?bix ?vi ??x?bi 则式(8-2)为 ? 或 ?令权函数为 biviviTvibivi?0 ?0 (8-3) 222 ?1?diag? W n?n??v11v2?1?? (8-4) vn?? 则式(8-3)为 ?bWivi?BWV?0 (8-5) 上式与间接平差中的方程BPV?0相似，故将W视为间接平差的权阵P，又因W是改正数V的函数，故称其为权函数，W必须通过迭代运算来确定。 TTiT 定权函数时，为了避免因v=0而出现的计算问题，可取 Wi?1vi?c (8-6) 一次范数最小估计的步骤是： 223 1.列出误差方程； TTP?P???P?1??Bl； 2.令1，组成法方程BBx2n ?和改正数v； 3.计算x 4.计算权函数W，W2，…，Wn； 1 5.再次组成法方程T??BTWlBWBx； ?和v，再定权函数W； 6.重新计算x 7.重复第5和第6步，进行迭代，直至两次迭代权函数之差的最大值小于限值为止（或以最后两次参数之