适用于高斯-马尔柯夫模型的信息扩散估计及其性能

基于信息扩散原理的估计方法 ,从一维推广到多维 ,提出了适用于高斯 -马尔柯夫模型 (G- M模型 )的信息扩散估计方法 (Information Spread Estimation- ISE)。并对其性能作了大量模拟试验研究 ,可以认为采用 ISE法消除了实际观测误差分布偏离假定分布的风险 ,抗差性能优越 ,并且不须迭代 ,从而较为成功地实现了信息扩散原理在测量数据处理中的应用。

现代平差模型及其应用

基于高斯-马尔柯夫模型,研究了现代平差模型,导出了秩亏自由网平差和配置(拟合推估)等方法的公式,研究了它们的基准及其转换方法.最后针对模型误差作为应用例,给出了附加系统参数、附加系统权以及半参数等应用模型.

多参数信息扩散估计的精度评定

作为一种稳健估计方法,同选权迭代估计一样,信息扩散估计也是通过对粗差观测值降权达到抗差效果,由于不需迭代,信息扩散得到的权就相当于迭代稳定后的权。在此思想基础上,讨论高斯-马尔柯夫模型下多参数信息扩散估计的精度评定方法。

现代测量平差与数据处理理论的进展

本文首先简述了现代测量平差中的各种理论与经典测量平差之间的关系,指出现代测量平差与数据处理理论仍然是以高斯-马尔柯夫模型为核心,通过该模型在不同层面上的扩充、发展形成了若干新理论、新方法,并以图描述了经典测量与现代测量数据处理中各种理论之间的关系。然后分别阐述了现代测量数据处理中粗差理论、系统误差的处理、病态问题的处理、非线性问题的处理、不等式约束的平差等的发展,最后综述了其他数据处理理论的一些发展情况。

机载LiDAR数据的LZD航带平差

系统误差是影响机载LiDAR系统精度的主要因素,因而消除或削弱系统误差影响、提高数据精度具有重要理论意义和工程实用价值。提出基于最小高程差(LZD)的机载LiDAR航带平差方法,并通过引入高斯-马尔柯夫模型提高了平差精度。实验部分考察了引入高斯-马尔柯夫模型的必要性及算法精度。实验结果表明:引入高斯-马尔柯夫模型可有效地提高算法精度;使用LZD进行机载LiDAR航带平差获取的结果均可以满足工程生产的精度需求;与商业软件TerraMatch相比,LZD的精度和TerraMatch的精度相当。