基于y≈A(x)ξ函数模型的WTLS方法在GPS高程拟合中的应用

在GPS高程拟合中,用一般的最小二乘原理来处理拟合数据,效果往往不太理想。将y≈Aξ的函数模型通过加权整体最小二乘平方差方法处理拟合数据,能够得到更好的估计参数,高程异常值拟合精度也相应提高。

加权总体最小二乘在三维激光标靶拟合中的应用

针对平面标靶和球标靶拟合中最小二乘方法和总体最小二乘方法存在的问题,提出了一种加权总体最小二乘的拟合方法,根据点云激光反射强度以及对系数阵A列向量部分修正引入权阵P、PX、P0,建立较LS方法和TLS方法更加合理的模型,并给出相应的迭代算法。经实例计算证明加权总体最小二乘方法更加合理,可以获得更高精度的参数解。

加权整体最小二乘在激光跟踪仪转站中的应用

由于利用经典最小二乘原则对激光跟踪仪进行坐标转换时,系数矩阵中携带的随机测量误差会影响转站精度,故对激光跟踪仪的转站算法进行了研究。提出了基于线性EIV模型(Errors-in-Variables)和加权整体最小二乘法(WTLS)并利用间接平差形式迭代求解转站参数的方法;利用Matlab进行仿真分析并用API公司生产的激光跟踪仪进行实验。仿真结果显示WTLS法的单位权中误差的平均值和标准差分别为经典加权最小二乘法(WLS)的4/5和1/5;实验结果显示WTLS和WLS两种方法的单位权中误差分别为2.003 5mm和2.225 3mm;这些数据证明采用WTLS法的转站结果比WLS的精度更高且更稳定。该方法可为组建激光跟踪仪测量网络,优化网络布局奠定基础。

以入射角定权的点云数据加权总体最小二乘平面拟合研究

顾及入射角对点云数据点位精度的影响,提出入射角定权的点云数据加权总体最小二乘平面拟合方法。该方法以加权总体最小二乘方法为基础,利用入射角信息确定点云数据中各点的平面拟合权重,并根据系数矩阵结构特点定义其权阵。通过3种不同材质平面样本数据的计算分析表明,与最小二乘法、总体最小二乘法相比,该方法可得到更高的平面拟合精度。

自适应加权全变分的低剂量CT统计迭代算法

针对低剂量计算机断层扫描(LDCT)重建图像时出现条形伪影和脉冲噪声的现象,提出一种自适应加权全变分的LDCT统计迭代重建算法。该算法克服了传统全变分(TV)算法在去除条形伪影的同时引入阶梯效应的缺点,把基于加权方差的加权因子与TV模型相结合提出自适应加权全变分模型,然后再把新模型应用到惩罚加权最小二乘(PWLS)重建算法中,这样就可以对图像的不同区域进行不同强度的去噪,从而取得噪声抑制和边缘保持的良好效果。采用Shepp-Logan模型和数字骨盆体模来验证算法的有效性,实验结果表明,所提算法的归一化均方距离和归一化平均绝对距离均比滤波反投影(FBP)、PWLS、惩罚加权最小二乘的中值先验(PWLS-MP)以及惩罚加权最小二乘的全变分(PWLS-TV)算法的值小,且可分别获得40.91 dB和42.25 dB的峰值信噪比。实验结果表明,该算法重建出的图像在有效去除条形伪影的同时对图像的边缘和细节起到很好的保护作用。

三维非线性基准转换的加权和加约束总体最小二乘解算模型

介绍三维空间坐标非线性转换的加权总体最小二乘(WTLS)和加约束总体最小二乘(CTLS)解算模型。以方向余弦为未知参数,旋转矩阵的正交性为约束条件,由于转换模型的系数矩阵和观测向量都是可能存在误差的随机量,因此采用WTLS和CTLS方法进行计算。通过模拟和实测数据的计算分析,验证了该方法的有效性,解算的转换参数精度得到提高。

解加权总体最小二乘平差问题的一种新方法

加权总体最小二乘不仅认为系数矩阵受到误差的干扰,而且认为系数矩阵和观测矢量具有不同的测量精度。针对常见算法迭代公式复杂的情况,将观测矢量误差看成是关于系数矩阵误差改正量和待估计参数的函数,通过线性化将其转化为间接平差问题,用拉格朗日乘数法推导间接平差形式的简单迭代公式。并通过两个数字实验证明了该方法的可行性,得到了与Schaffrin&Wieser方法相同的参数估计结果。

加权总体最小二乘在铁路曲线正矢拟合的应用

针对铁路线路正矢数据特征,考虑自变量、因变量同时存在误差的情况,提出EIV(Error-in-Variables)模型下的加权总体最小二乘法(WTLS)进行曲线拟合。通过分析拟合点贡献的不等确定度以及修正设计矩阵A的列向量分别引入权阵P y、P x、P0,并给出选权迭代算法。经实例证明,WTLS比传统的LS、TLS方法具有更高的拟合精度。

加权总体最小二乘问题的解集和性质

本文讨论了加权总体最小二乘问题（ＷＴＬＳ）的等价解集，分析了加权总体最小二乘解与加权最小二乘问题（ＷＴＳ）的解之间的关系．推广了Ｇｏｌｕｂ和ＶａｎＬｏａｎ，ＶａｎＨｕｆｆｅｌ和Ｖａｎｄｅｗａｌｌｅ，及Ｗｅｉ的相应结果。

加权整体最小二乘EIO模型与算法

构造了加权整体最小二乘EIO(errors-in-observations)模型,只改正独立观测值,观测值协因数阵最简洁,可克服EIV模型缺陷。基于EIO模型推导了参数估计和协因数阵精确迭代算法,实例结果正确,计算效率高。

加权总体最小二乘在重心化Bursa模型中的应用

研究了基于加权总体最小二乘的重心化布尔沙模型的坐标转换算法,针对坐标转换中原始坐标和目标坐标均存在误差的问题,根据误差的影响程度不同而给予不同的权值,利用加权总体最小二乘方法求解转换参数。坐标重心化的方法可以解决布尔沙模型在局部地区容易出现病态的问题,将两种方法结合可以很好地提高坐标转换的精度,通过实例验证了该方法的优越性。

加权整体最小二乘的验后估计在三维坐标转换中的应用

在求解三维小角度坐标转换EIV模型的过程中,顾及到两套坐标系下点坐标初始单位权方差可能不同导致定权不准确的问题,应用Helmert方差分量估计方法,对加权整体最小二乘的随机模型进行验后估计,从而重新分配观测向量和系数矩阵的权,使得解算模型更加合理。算例证明,利用该方法求解坐标转换参数的精确度有所提高,参数估值更接近真值。

加权EIV模型的经典最小二乘算法

采用GHM方法将EIV模型在最优解处线性化,得到解的近似方差。然后,将EIV模型表达成与Gauss-Markov模型相似的形式,利用标准最小二乘理论推导EIV模型的解及近似方差矩阵,得到与已有算法等价的结论。最后,推导观测值估值和残差的统计性质,建立起一整套EIV模型参数估计和精度评定的体系。

稳健加权整体最小二乘法在GPS高程拟合中的应用

由于GPS测量技术获取的大地高与国家采用的正常高之间存在高程异常的问题,为此,通常采用高程拟合的方式进行高程异常的计算,从而将大地高转换为正常高。针对采用加权整体最小二乘法估计GPS高程拟合中的多项式系数时,并没有考虑到观测数据中可能存在粗差的情况。采用稳健加权整体最小二乘法求解GPS高程平面拟合参数,并与最小二乘法、加权整体最小二乘法和稳健最小二乘法的结果进行对比,结果表明稳健加权整体最小二乘法的平面拟合结果最优。

基于全广义变分约束加权最小二乘的低剂量计算机断层重建方法

为了减少X射线的辐射剂量,提出了一种基于全广义变分约束加权最小二乘的低剂量计算机断层(CT)重建方法。首先对投影数据进行统计建模,然后将全广义变分正则化作为先验信息引入到投影数据恢复过程中,从而达到抑制噪声的目的,最后使用传统的滤波反投影算法进行CT图像重建。在Shepp-Logan体模实验中,提出方法的重建结果与Gibbs先验约束的惩罚加权最小二乘(Gibbs-WLS)、字典学习先验约束的惩罚加权最小二乘(DL-WLS)和全变分先验约束的惩罚加权最小二乘(TV-WLS)方法的重建结果相比,均方根误差分别降低了25.06%、1.50%和15.21%,信噪比分别提高了10.29%、0.53%和5.68%。在Clock体模实验中,提出方法的重建结果与Gibbs-WLS、DL-WLS和TV-WLS方法的重建结果相比,均方根误差分别降低了42.72%、23.45%和34.63%,信噪比分别提高了27.04%、11.42%和15.49%。实验结果表明,该方法在有效抑制低剂量CT图像的伪影和噪声的同时可以很好地保持图像的边缘信息和结构细节特征。

稳健加权总体最小二乘法

加权总体最小二乘估计没有考虑观测数据中可能存在的粗差。本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘问题。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的参数估计结果。通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。

二维直角建筑物规则化的加权总体最小二乘平差方法

针对基于遥感数据的二维建筑物的直角化问题,以建筑物边界点的坐标为观测值,以顾及边界正交限制条件的直线斜率和截距为参数,建立附有限制条件的变量误差(errors-in-variables, EIV)模型。考虑观测向量和设计矩阵相关的情况,给出了增广设计矩阵的协方差阵的计算方法,推导了附限制条件的通用加权总体最小二乘(weighted total least squares, WTLS)平差算法,以及近似精度评定算法和仅含二次型限制条件的WTLS平差方法。理论和算例分析表明,在建筑物重建问题中,附有限制条件的EIV模型比经典附有限制条件的Gauss-Helmert模型易于构建,所提的WTLS算法快速收敛速度快,对拓展WTLS平差方法的应用具有理论与实践意义。

粗差探测与稳健估计相结合的方法在直线拟合中的应用

当观测向量和系数矩阵都含有粗差时,提出将粗差探测法和稳健加权总体最小二乘法二者有效结合的方法,在数据预处理阶段,利用粗差探测法剔除大的粗差,在参数估计阶段,利用稳健加权总体最小二乘法控制小粗差。以直线拟合为例,通过对比分析表明,粗差探测法和稳健加权总体最小二乘相结合的方法求出的参数结果最优。