粗差定位方法分类.docVIP

1、粗差定位及方法分类 粗差定位是在平差过程中，自动发现粗差的存在，并正确的指出粗差的位置，从而将它从平差中剔除。它不仅仅是个理论问题，而更主要的是算法上的问题，要针对不同平差系统和可能出现的不同类型的粗差，进行由程序控制的自动探测过程。处理观测值中的粗差有两种不同的模型，一种是所谓“数学期望平移”模型，另一种是“方差扩大”模型。 一、数学期望平移模型 这种方法的思想是在正式进行最小二乘平差之前探测和定位粗差，然后剔除含粗差的观测值，得到一组比较净化的观测值，然后再作最小二乘平差。 含粗差的观测值可以看作与其它同类观测值具有相同的方差、不同的期望的一个子样，即： ～ （1） ～ （2） 为正常观测值，为含粗差的观测值。 它意味着将粗差视为函数模型的一部分。可见，平均漂移模型是将含粗差的观测值看作为与正常观测值有相同方差不同期望。对此模型，可根据平差的结果严格构建相应的统计量，在给定得显著水平下，便可与临界值相比较，从而判断相应的观测值是否包含粗差。 二、方差扩大模型 含粗差的观测值可以看作与其它同类观测值具有相同的期望，但不同的方差的子样，含粗差观测值的方差将异常得大，即： ～ （3） ～