基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法.docx

非线性最小二乘法作为基本的非线性优化方法，广泛应用于非线性函数模型的参数估计中[1-6]。然而，根据实际问题的来源，许多非线性函数模型具有特殊结构，若函数模型中待求参数一部分变量是线性的，一部分变量是非线性的，并且函数模型为非线性函数的线性组合形式，数学上称为可分离非线性最小二乘(separable nonlinear least squares，SNLS)问题[7-9]。测绘领域中存在许多这种模型结构的参数估计问题，如激光雷达(light detection and ranging，LiDAR)全波形回波信号高斯函数分解模型中，高斯特征参数的求解[10-11]；空间直角坐标转换模型中，旋转参