您好,欢迎访问三七文档
上节内容回顾:1、模型中的参数X具有先验信息,求X的最佳估计称“滤波”;2、另有非模型中的参数X’与模型中参数有相关关系称“推估”;3、协方差函数的确定。《最小二乘配置(拟合推估)》解决的问题:既包含求定信号的估值内容,又包含求定倾向参数的估值内容,即兼有求定信号和参数的估值情况,称为“最小二乘配置法”。最小二乘配置与滤波-推估区别:前者求参数与信号估值;后者求定信号估值。(信号:已测点和未测点)可见:•测量平差中的“滤波”也就是通过L(观测值)求定信号(随机参数)X和X‘的估值的方法;•“配置”是既求信号又求参数的估值方法,或者说当观测方程中含有非随机性质和随机性质的两类参数时,数据处理需用配置方法。•故,可以说,“配置”是一种概括了经典最小二乘平差、滤波和推估的广义平差法。例如:在重力测量中,每一个点上的重力观测值都是正常重力、重力异常和观测误差之和,即:正常重力取决于所采用的参考系统的4个基本参数,是不具有随机性质的变量(倾向);重力异常则是随机量,亦即信号。()ggXg例:在卫星观测中,距离观测值S是卫星正常轨道参数X以及由地球重力场所引起的扰动T的函数,于是,其中:X是不具有随机性质的变量(倾向参数),地球重力场所引起的扰动T则是随机量,即信号。以上这类问题,都是:如何根据观测数据同时确定非随机参数和信号的最优估值,在测量平差中称为“最小二乘配置法”。12(,,,)uSXXXT不难看出,配置的数学模型可表示为:•其中:X为滤波信号X‘推估信号、Y为倾向参数(非随机参数)12110ttLBXGYXBIXX,1、最小二乘配置的估值公式函数模型:根据广义最小二乘原理,则可写出观测方程为:LBXGYXXXXLXLXLBXGY随机参数的方差阵为XXXZXXXXZXDDDDD令:则:误差方程或写为:权阵:ˆˆˆˆXXXXVXLVXLVBXGYLˆˆZZZVZLVBZGYL120ZZZDDPDD先考虑D△X=0,D△X´=0情况,即:由广义最小二乘原则求自由极值,得:minTTZZZVPVVPV12000ZDPD()()0;()()0TTZZZTTZZZVPVVPVZZVPVVPVYYˆˆZZZVZLVBZGYL00TZZZTBPVPVGPV即等价:而:按矩阵求导,得:回代到观测方程得法方程:解法方程:解的方差阵:ˆˆ()ˆˆTTTZZZZZZZTTTZBPBPZBPGYBPLPLGPBZGPGYGPL1ˆˆTTTZZZZZZZTTZTZBPBPBPGBPLPLGPBGPGGPLY1ˆˆˆˆˆˆTTZZYZZZZTTYZYZDDBPBPBPGDDGPBGPGσ02等于1•也可以利用矩阵反演公式(取单位权方差σ02=1),可变换公式为:11111ˆ()()()ˆˆ()()ˆˆ()()TTTTXXXTTXXXXTTXXXXXYGBDBDGGBDBDLBLXLDBBDBDLGYBLXLDBBDBDLGYBL11ˆ11ˆˆ11ˆ(())()()()()TTXYTTTTXXXXXXYTTTTXXXXXXXXYDGBDBDGDDDBBDBDEGDGBDBDBDDDDBBDBDEGDGBDBDBD以上求的的实际是估值误差的方差和协方差。若D△X≠0,D△X´≠0情况下,由广义最小二乘原理:minTVPV120ˆ00ˆˆˆ,minZZZZZZZZZZZTVELELZVZYBXLVBLBGLGYDDDDDPDDDDVPV即:则按间接平差法得:min0TTTVPVBPBXBPL特殊地,当G=0,上述即为最小二乘虑波和推估公式。仍可得到配置的公式:也可以按以下方法推导配置估值计算公式(将配置的函数模型改写,按附有参数条件平差方法求估值)按附有参数的条件平差方法推导出配置公式。ˆˆˆ00VBXXGYL即ˆ0VBXGYL仍按广义最小二乘原则,组成新函数:ˆ2()min00ˆ0TTTXXXVPVVPVKVBXGYLXYVˆ0ˆ0xVBVGyfAVGyf或者:12000xDPD在广义最小二乘准则或直接代入附有参数的条件平差系列公式,得出配置的计算公式。2、滤波、配置的验后单位权方差验后单位权方差估值普遍公式为:1)滤波的验后单位权方差:2)配置的验后单位权方差为:20ˆ,TTXXXyyVPVVPVtnt:为倾向参数Y的个数20ˆ(TTfVPVVPVtdnt是非随机参数个数)20ˆTTXXXVPVVPVn3、最小二乘配置的应用例:在相距均为1.445的5个点处测得F(u)的函数值Li(i=1,2,…5),观测数据列于下表。12)()FtbbtSt(12)()FuaauXu(例题:题意:1、观测值L,(5个),依赖于U;2、建立函数模型F(U),待估参数是:a1,a2,X(U);3、X(U)是函数残余变形。a1、a2作为非随机参数Y;X(u)为函数变形信号.①函数模型:515551215152LBXGY5510.00011.44512.89014.33515.7800.61081.08632.90344.59256.2714TBEGIuL1212)()()FuaauXuaXuIuaBXGY(由:得:②随机模型:根据协方差函数式计算X和X‘的方差、协方差。r01.4452.8904.3355.7800.72252.16753.61255.05750.12600.05940.00620.000200.10440.02320.0012022()0.1260exp(0.36),ijijijijXDrrruuDELEXO是与两点间隔、()计算结果列表:ij③代入配置公式即可求出随机参数、非随机参数等。11111ˆ()()()ˆˆ()()ˆˆ()()TTTTXXXTTXXXXTTXXXXXYGBDBDGGBDBDLBLXLDBBDBDLGYBLXLDBBDBDLGYBL120.3252ˆ0.9891aYa0.22210.5590ˆ0.10520.1082X倾向参数:插值点估值:④中间点的函数内插估值为:•将前述求出的Y(a,b)和内插点X’的估值,回代到内插值的方程(上式),就可求四个中间点函数值的内插估值。12ˆ()()Fuaauxuˆ0.81771.91013.79325.4359TF0011460;460;44xxyys为点间距离方法一:按滤波推估方法求解设重力异常估值为X(不考虑其非随机部分)ˆ,,,XXXXLXVXLDDDD即可按滤波推估公式计算估值了•方法二:按最小二乘配置法求解1)把重力异常值与点位的关系(趋势)当成是系统部分;2)信号为重力异常随机部分。LGYX•关于用最小二乘法求重力异常1)重力异常一般认为包含:随机部分和系统部分;2)系统部分一般又表示为各点坐标的线性函数3)重力异常的观测方程4)重力异常的内插方程01020012()()(,)iiiTTaaxxayyTGYYaaaLgGYXGYX或:g,gGYXG是设计矩阵,和欲估点坐标有关例:最小二乘配置在GPS高程拟合中的应用高程异常:ζ=H0-H•在GPS网中,进行了高精度的水准联测的点,称为已测点。•已测点高程异常计算:这些点的大地高H0和正常高H均已知,其高程异常ζ就可由公式精确求得。问题:根据观测数据求高程异常的函数式---------趋势。•方法一:先由已测点的高程异常值用某种数学模型去拟合---常规平面拟合。即:计算求出这个函数,然后由拟合函数求出未测点的高程异常ζ,进而计算未测点的高程。012aaxay采用最小二乘法,求的:拟合函数:012286.201480.000073960.00002376aaa设拟合函数为:286.201480.000073960.00002376xy用常规拟合方法的缺陷:拟合函数毕竟是趋势面,与高程异常实际值之间不可避免有差异(山区更大)。这差值在局部范围有一定规律、但大范围,变化又无规律,即差值是随机参数,也就信号。更好的处理方法:求某点高程异常时,可适当加上该点处的信号的改正,从而得到更为正确的高程异常模型。----最小二乘配置。方法二:将模型误差看作是随机函数的最小二乘配置法。012012TaaxaySBXSXaaa若用最小二乘配置法来处理高程异常:1)将高程异常与其趋势面的差值S看作随机函数,即所谓的信号,就可以用最小二乘配置法来处理这个问题。2)其数学模型为:L=BX+S+Δ式中:L为已测点高程异常的观测值,X为拟合函数未知数,(B与所选择的拟合函数有关),S为观测信号,Δ为观测信号的噪声。3)将未测点高程异常观测信号用S‘表示,那么其数学模型可表示为L=BX+CZ+Δ式中:C=[EO]、Z=[SS’]T。则,就可按最小二乘配置法来处理未测点高程异常的问题了。4)未测点的平差值:ˆˆˆLBXS关于先验方差和协方差估值•E(Z)=O,E(Δ)=O•DΔΔ、DZZ的求法—按上节课介绍的即采用协方差函数来确定•常用高斯函数:(d为两点之间的距离,b0、k为参数)。2)dD2-(K0(d)=be客观世界的任何一种变化,总可以用某一函数模型来表述。•函数形式可分解为两部分:1、可用某一理想函数表示,即所谓的倾向部分(系统部分);(即某种拟合函数的系数!)2、除基本变化以外的剩余部分,所谓的函数的剩余变形部分即随机部分。只要已测数据点充分多,且已知观测误差和信号(随机部分)的协方差函数,均可用配置法进行数据处理。中南大学信息物理工程学院
本文标题:6-最小二乘配置
链接地址:https://www.777doc.com/doc-4860412 .html