非线性EIV模型的数据探测算法在三维坐标转换中的应用

近年来,利用整体最小二乘法解决三维坐标转换问题已成为热点研究问题,许多学者提出了诸多算法。然而,当观测坐标受到粗差污染时,参数估值必将受到影响,甚至严重失真。本文将三维坐标转换问题描述为一个非线性变量误差(EIV)模型,并提出相应的数据探测算法。首先利用Euler-Lagrange方法导出非线性EIV模型的加权整体最小二乘(WTLS)解,然后将其转化为经典最小二乘问题[1,2];然后,在已知方差分量和未知方差分量的条件下,基于经典最小二乘理论,构造了两类数据探测的检验统计量。实验结果表明,本文提出的数据探测算法可有效减少粗差的影响,获得可靠地转换参数。