几种创新大地测量数据处理理论与方法概述
测绘技术的大地测量方法及实践技巧探讨
测绘技术的大地测量方法及实践技巧探讨引言：测绘技术是现代科学技术的重要组成部分，它在多个领域都有着广泛应用，其中，大地测量是测绘技术的重要分支之一。
大地测量是用来获取地表地貌、地球形状和尺度的测量学科。
本文将探讨一些常用的大地测量方法，并介绍一些实践技巧。
1. 大地测量方法1.1 三角测量法三角测量法是大地测量中最常用的方法之一。
它利用三角形的几何性质，通过测量角度和边长来计算出不同地点之间的距离和位置关系。
这种方法在测量距离较长、地形较复杂的地区具有优势。
三角测量法需要精确的角度测量仪器和计算方法，以确保测量结果的准确性。
1.2 全站仪法全站仪法是大地测量中较为先进的测量方法之一。
它结合了全自动仪器和电子计算机技术，能够实现高精度测量和实时数据处理。
全站仪法适用于各种地形条件下的测量，尤其对于建筑物、桥梁、道路等工程项目的测量具有很大的优势。
该方法还可以实现测量数据的实时传输和三维重建，提高了工作效率和测量结果的可靠性。
1.3 GNSS测量法GNSS（全球卫星导航系统）测量法是利用卫星导航系统（如GPS、GLONASS等）进行测量的一种方法。
它通过接收卫星发射的信号，计算出接收器与卫星之间的距离差，并综合多个卫星的观测值来确定测量点的位置。
GNSS测量法具有高精度、全天候和实时性强的特点，适用于较大范围的测量工作。
它在土地测量、航海导航、地震监测等领域都有广泛应用。
2. 实践技巧2.1 基准点的选择在进行大地测量时，选择合适的基准点是至关重要的。
基准点的选取应考虑到地表特征、地理环境和测量需求等因素。
一般情况下，对于较大范围的测量，应选择地理条件相对固定、地貌稳定的区域作为基准点。
另外，在选取基准点时，还需要考虑测量仪器的精度要求，以确保测量结果的准确性。
2.2 数据处理与分析大地测量的数据处理和分析是保证测量结果准确性的关键环节。
在进行数据处理时，应注意对各个观测值进行检查和校正，排除异常数据和误差。
测绘技术中的大地测量方法详解
测绘技术中的大地测量方法详解导语：随着科技的不断发展，测绘技术在工程领域中发挥着越来越重要的作用。
而其中的大地测量方法更是不可或缺的一部分。
本文将详细介绍大地测量方法的原理和应用。
一、大地测量方法概述大地测量方法是指通过测量地球的形状、大小和位置来获取地理数据的技术。
主要包括三角测量法、平差法、电子测距法、全球定位系统（GPS）等方法。
二、三角测量法三角测量法是一种基于三角形相似性原理进行测量的方法。
它适用于贴近地球表面的小范围测量。
具体实施时，通过设置基准点和相邻点，利用测距仪或全站仪测量角度和距离，并应用三角形相似性原理求出未知点的坐标。
三、平差法平差法是一种通过观测误差分析和计算来修正、优化测量结果的方法。
它主要适用于大范围和高精度的测量任务。
平差法通过建立观测方程和误差方程，利用最小二乘法求解观测值的最优解，从而提高地理数据的准确性。
四、电子测距法电子测距法是指利用电子设备进行距离测量的方法。
它主要通过测量电磁波传播的时间或相位差来确定物体的距离。
电子测距法具有高精度、快速、无人工干预等优点，广泛应用于工程测量和地理测绘领域。
五、全球定位系统（GPS）全球定位系统（GPS）是一种通过卫星导航和测量来确定地球上任意点位置的系统。
它由一组地面接收器和多颗卫星组成，可以提供全球范围内的位置和时间信息。
GPS在测绘领域中应用广泛，可以用于测量坐标、导航定位等任务。
六、大地测量方法在工程领域的应用大地测量方法在工程领域中有着广泛的应用。
例如，它可以用于道路、铁路和桥梁等工程的设计和施工，并为土地利用规划、城市规划等提供数据支持。
此外，大地测量方法还可用于地质灾害监测、测绘地形地貌等应用。
七、未来发展趋势随着科技的不断进步，大地测量方法也在不断演进和发展。
首先，测量精度将进一步提高，尤其是在高精度要求的任务中。
其次，测量数据的处理和分析技术将更加智能化和自动化，提高工作效率和准确性。
此外，新兴技术如激光扫描、遥感等也将为大地测量方法带来新的应用场景。
大地测量中的测绘技术指南
大地测量中的测绘技术指南测绘技术在大地测量中起着至关重要的作用。
随着技术的不断发展，测绘的准确性和效率也得到了极大的提高。
本文将介绍大地测量中常用的测绘技术指南，并探讨其应用和发展。
一、无人机测绘技术无人机测绘技术是近年来快速发展的一项技术。
通过搭载高精度相机和传感器的无人机，可以对地表进行高分辨率的三维建模和测量。
这种技术不仅可以用于地貌测量和土地利用分析，还可以用于建筑物、公路、铁路等基础设施的监测和管理。
无人机测绘技术具有成本低、操作灵活、效果好等优点，未来有望成为大地测量中的重要工具之一。
二、激光测距技术激光测距技术是一种非常精确和高效的测量方法。
利用激光器发射的激光脉冲，可以测量目标物体与测量仪之间的距离。
激光测距技术可以应用于地形测量、建筑物变形监测以及地震活动的观测等领域。
随着激光技术的不断创新，激光测距技术在大地测量中的应用前景十分广阔。
三、全球导航卫星系统全球导航卫星系统（GNSS）是一种通过卫星定位和测量信号实现测量的技术。
目前最著名的全球导航卫星系统是美国的GPS（全球定位系统）。
通过接收多颗卫星的信号，可以实时计算出测量点的位置和高程。
GNSS技术在地理信息系统（GIS）中得到广泛应用，可以实现地图制作、地表变形监测以及导航等功能。
在大地测量中，GNSS技术已成为测绘人员不可或缺的工具。
四、相位测量干涉技术相位测量干涉技术（PSI）是一种利用激光干涉仪和相位测量方法进行测量的技术。
通过测量不同时间或不同位置的光路之间的相位差，可以计算出目标物体表面的形貌信息。
相位测量干涉技术在地震活动监测、地质灾害预警以及岩土工程等领域发挥着重要作用。
随着激光技术和传感器技术的不断进步，相位测量干涉技术的应用范围也将不断扩大。
五、地理信息系统地理信息系统（GIS）是一种将地理数据进行收集、存储、管理、分析和展示的技术系统。
随着互联网和计算机技术的发展，GIS技术已经得到了广泛应用。
在大地测量中，GIS技术可以用于地形图的绘制、地质勘探以及资源管理等方面。
测绘技术中的大地测量原理与方法
测绘技术中的大地测量原理与方法概述大地测量作为测绘技术的一个重要领域，以其在地球科学、地理信息系统等领域中的广泛应用而备受关注。
本文将介绍大地测量的原理与方法，包括大地测量的基本概念、坐标系统、测量手段等方面，以期帮助读者更好地理解和应用大地测量技术。
一、大地测量的基本概念大地测量是指对地球表面形状、尺寸和相对位置进行测量的一种技术。
它通过测量地球上两点的经纬度、高程等信息，进而计算出地球上其他点的位置和形状等重要参数。
大地测量的基本概念包括地球椭球体模型、大地测量参考系和大地测量基准等。
地球椭球体模型是大地测量的基础，它将地球视为一个近似于椭球体的几何模型，通过确定椭球体的主椭球参数来描述地球的形状。
大地测量参考系是指在测量中用于确定地球上任意点位置的坐标系统。
地球上常用的大地测量参考系有地心地固参考系、地心大地参考系和地心球坐标系等。
大地测量基准是指测量中选择的起点或基准点，用于确定其他点的坐标。
在国际上常用的大地测量基准有国际地球参考系统（ITRS）和国内地球参考系统（CGCS）等。
二、大地测量的测量手段大地测量在实际应用中采用多种测量手段，包括全站仪、卫星定位、三角测量等。
全站仪是一种高精度的测量仪器，可以通过测量地球上两点的水平角、垂直角和斜距等信息，计算出两点之间的水平距离和高程差。
卫星定位技术是利用卫星系统（如GPS、GLONASS等）所提供的信号，通过接收并处理卫星信号来确定测量点在地球参考系中的坐标位置。
这种技术具有全球范围、高精度和实时性强等优点，被广泛应用于大地测量领域。
三角测量是一种传统的测量手段，通过测量地球上三个点之间的两边长度和夹角，利用三角函数关系计算出其他点之间的距离和角度。
虽然在实际应用中准确度相对较低，但由于测量设备和操作简便，仍然广泛应用于大地测量中的一些场合。
三、大地测量的数据处理与应用大地测量数据处理和应用是大地测量的重要环节，也是保证测量结果精度和可靠性的关键。
地形测量中常见的数据处理方法
地形测量中常见的数据处理方法地形测量是研究地球表面形状和地物高程的科学和技术。
在地形测量中，数据处理是非常重要的一步。
它涉及到对原始数据的分析、清理、校正和转换，从而得到准确的地形模型。
本文将介绍地形测量中常见的数据处理方法。
1. 数据获取地形测量的第一步是获得原始数据。
传统上，地形测量使用的是平面化的测量方法，包括水准测量和三角测量。
现代地形测量则使用了先进的技术，例如卫星测高、遥感和激光雷达。
这些技术可以提供更多的数据和更高的精度。
2. 数据清理获得原始数据后，需要对其进行清理。
原始数据中可能存在噪声、异常值和误差。
因此，需要使用一些方法来去除这些干扰。
常见的数据清理方法包括滤波、插值和外推。
滤波是通过对数据进行平滑处理来去除噪声。
常见的滤波方法有均值滤波、中值滤波和高斯滤波。
这些滤波方法可以根据数据的特点选择合适的参数，从而去除噪声，保留地形特征。
插值是通过已知数据点来预测未知位置的数值。
在地形测量中，插值方法可以用来填补缺失的数据点或补充低分辨率的数据。
常见的插值方法有最邻近插值、反距离加权插值和克里金插值。
外推是通过已知数据的趋势来预测未知位置的数值。
在地形测量中，外推方法可以用来校正数据中的异常值或误差。
常见的外推方法有趋势外推和空间自回归。
3. 数据校正数据清理后，需要对数据进行校正以消除系统和随机误差。
校正方法可以根据数据的特点和测量仪器的误差特性选择合适的方法。
常见的数据校正方法包括系统性误差校正、仪器误差校正和随机误差校正。
系统性误差校正是通过对测量方法和仪器进行分析来消除系统性误差。
常见的系统性误差校正方法包括大地水准面校正、大气校正和卫星轨道校正。
仪器误差校正是通过对仪器进行校准和调整来消除仪器误差。
常见的仪器误差校正方法包括标定、比较测量和内部控制。
随机误差校正是通过统计分析来消除随机误差。
常见的随机误差校正方法包括平差、拟合和异常值检测。
4. 数据转换在地形测量中，常常需要将数据转换为适合特定应用的形式。
GNSS大地测量中基线测量和基线处理方法详解
GNSS大地测量中基线测量和基线处理方法详解GNSS是全球导航卫星系统的缩写，是一种利用卫星和地面测量设备实现高精度定位的技术。
在测绘和地理信息领域，GNSS被广泛应用于大地测量中。
大地测量中的基线测量和基线处理方法是保证测量数据精度的关键环节。
本文将详细介绍GNSS大地测量中的基线测量和基线处理方法，以及其中涉及的相关知识。
1. GNSS基本原理GNSS是通过接收地面上的卫星信号来测量接收器与卫星之间的时间差，从而计算出接收器的位置。
卫星发射的信号经由大气层传播到达接收器，其中包含导航消息和时间信息。
接收器接收到信号后，通过计算信号传播时间以及接收到的多个卫星的位置，可以确定接收器的位置。
GNSS技术的精度取决于测量的基线长度和数据处理方法。
2. 基线测量方法基线指的是测量点之间的距离，基线测量方法就是通过GNSS技术测量两个或多个站点之间的距离。
常用的基线测量方法包括静态测量、快速静态测量和动态测量。
静态测量是最常用和精度较高的一种基线测量方法。
在静态测量中，观测者将接收器放置在需要测量的站点上，进行长时间观测。
观测时间越长，得到的数据精度越高。
快速静态测量是一种缩短观测时间的方法，通过增加接收器接收到的卫星数量，提高测量的精度。
而动态测量则是在移动状态下进行的，主要应用于需要实时动态定位的场景。
3. 基线处理方法基线测量完成后，需要进行基线处理以获得最终的测量结果。
基线处理是指将观测的GNSS数据进行解算和处理，得出测量结果的过程。
基线处理的方法主要有单点解、差分解和相对定位解。
单点解是将每个接收器作为一个独立的测量点，没有考虑到其他接收器的数据。
差分解是以某个接收器的测量结果为基准，将其他接收器的测量结果与之进行差分处理，得出相对位置。
相对定位解则是通过同时解算多个接收器的测量结果，得出各个接收器的相对位置。
对于基线处理来说，数据的质量和精度对结果影响较大。
常用的数据处理方法包括平差法、滤波法和Kalman滤波法。
测绘技术中的数字大地测量方法概述与实践技巧
测绘技术中的数字大地测量方法概述与实践技巧引言：数字大地测量是测绘领域中一种重要的测量方法，它利用计算机辅助技术实现精确的地球表面数据获取和分析。
本文将就数字大地测量的基本原理、常见技术和实践技巧进行概述。
一、数字大地测量的基本原理数字大地测量是基于全球定位系统（Global Positioning System，GPS）的测量方法。
GPS系统是由地球上一系列卫星和地面上的接收器相互配合而成的，能够提供全球范围内的精确位置信息。
数字大地测量的基本原理是利用GPS接收器接收到来自卫星的信号，并通过计算机处理这些信号，从而实现对地球表面坐标的测量。
通过GPS测量可以得到地球表面任意点的经度、纬度和高程信息，以及该点与其他点之间的距离和角度关系。
二、数字大地测量的常见技术1. 静态测量技术静态测量技术是数字大地测量的基本方法之一。
它利用静态GPS接收器在测量点上连续观测一段时间，以获取更高精度的位置信息。
通过多次观测和数据处理，可以实现对地球表面坐标的精确测量。
2. 动态测量技术动态测量技术是数字大地测量中一种高精度的测量方法。
它通过将GPS接收器固定在移动物体上，并进行连续观测，以获取移动过程中的位置信息。
动态测量技术广泛应用于航空、航海等领域，能够提供更准确的地球表面数据。
3. 网络RTK技术网络RTK（Real Time Kinematic）技术是数字大地测量中一种快速、高精度的测量方法。
它通过在测量过程中不断传输数据，实现实时的位置信息更新。
网络RTK技术通过基站和移动接收器之间的数据传输，能够提供更高的测量精度和实时性。
三、数字大地测量的实践技巧1. 选取合适的GPS接收器在进行数字大地测量时，选择合适的GPS接收器至关重要。
不同的接收器有不同的精度和功能，因此需要根据实际需要进行选择。
同时，还需了解接收器的使用方法和操作规程，确保测量数据的准确性。
2. 建立良好的观测环境数字大地测量对观测环境有一定的要求，特别是在城市等复杂环境中需要采取一些措施来减小误差。
测绘技术中的地球物理数据处理与解释技术介绍
测绘技术中的地球物理数据处理与解释技术介绍地球物理数据处理与解释是测绘技术中的重要环节，它能够为地球科学研究和资源勘探提供关键的数据支持。
下面将介绍地球物理数据处理与解释技术的原理和应用。
一、地球物理数据处理技术地球物理数据处理技术是指通过将地球物理数据进行预处理、处理和后处理等一系列步骤，提取和处理出有效的地球物理信息。
其中，最常见的地球物理数据包括地震数据、电磁数据、重力数据和磁力数据等。
1. 地震数据处理地震是指地球内部发生的震动现象，通过地震数据的处理，我们可以了解到地下岩石的构成、厚度和形状等信息。
地震数据处理的主要步骤包括地震数据质量控制、地震数据成像和地震数据解释等。
地震数据经过处理后，可以生成地震剖面图和速度模型，为地下构造和资源勘探提供了重要的参考。
2. 电磁数据处理电磁数据是指通过测量地球表面的电磁场变化来研究地下结构和资源的一种方法。
电磁数据处理的主要步骤包括数据质量控制、数据解释和数据建模等。
电磁数据处理可以提供地下岩石的电导率分布图，从而为地下水资源勘探和矿产资源勘探等提供了重要的数据支持。
3. 重力数据处理重力数据是通过测量地球引力场的变化来研究地表和地下质量分布的一种方法。
重力数据处理的主要步骤包括数据质量控制、数据解释和数据建模等。
重力数据处理可以提供地下质量分布图，从而为地下岩石的密度分布和构造特征提供了信息。
4. 磁力数据处理磁力数据是通过测量地球磁场的变化来研究地下磁性物质的一种方法。
磁力数据处理的主要步骤包括数据质量控制、数据解释和数据建模等。
磁力数据处理可以提供地下磁性物质的分布图，从而为矿产资源勘探和地下构造研究等提供了重要的数据参考。
二、地球物理数据解释技术地球物理数据解释技术是指通过对处理后的地球物理数据进行解释和分析，得出地下结构和地下资源的有关信息。
地球物理数据解释技术主要包括数据解释方法和解释工具两个方面。
1. 数据解释方法数据解释方法是指通过对处理后的地球物理数据进行反演、成像和模拟等方法，得出地下结构和资源的一系列信息。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
现代大地测量学论文几种创新大地测量数据处理理论与方法概述现代测量平差与数据处理理论发展概述经典的测量平差与数据处理是以高斯-马尔柯夫模型为核心：L AX =+∆ (1a)()0E ∆=,2()D σ∆=,21Q P σ-=• (1b)()Rnk A n =, ()()R Q R P n == (1c)这里L 为观测向量,∆为误差向量,X 为未知参数向量,A 为X 的系数矩阵,()E 为数学期望,2σ为单位权方差,P 为观测权矩阵,Q 为协因素矩阵,n 为观测个数。
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。
各种现代平差理论与方法与经典平差模型的关系可以描述如图1所示【1】图1 各种现代平差理论与方法与经典平差模型的关系图1．测量平差主要发展状况概述测量平差估计准则的发展：高斯最小二乘理论的发展，相关平差理论的发展，极大验后估计准则，稳健估计的准则，统计决策的基本概念，容许性的概念。
测量平差数据质量评估及质量控制理论的发展：经典的数据质量评估与质量控制理论，现代的方差协方差估计理论的发展，赫尔黙特方差估计理论，二次无偏估计法，方差分量的Bayes 理论，方差估计的精度评定。
稳健估计主要介绍：稳健估计理论的发展，污染误差模型构成，污染误差模型在测量数据处理中的具体形式，稳健性度量的概念，各种稳健性度量准则，影响函数的定义，影响函数的确定。
稳健估计的种类，稳健的M 估计的原理，选权迭代法的基本原理，测量中常用的几种选权迭代法，均方误差最小的稳健估计，污染误差模型下的测量数据处理理论。
一次范数最小的估计，一范最小估计的性质，一范最小估计的算法（线性规划法，迭代法），P 范最小的原理，算法。
粗差探测的理论，data-snooping 的原理和方法，可靠性理论（内可靠性，外可靠性），稳健估计理论在测量中的应用及发展现状。
时间序列数据处理的理论发展：实时动态数据的处理概况，动态数据的卡尔曼滤波（动态模型的建立，滤波），动态数据的预报，动态数据的平滑，随机过程与时间序列的概念，平稳随机过程和平稳时间序列，时间序列的随机线性模型平稳自回归模型，平稳自回归可逆滑动平均混合模型，线性模型的自相关函数和偏相关函数，模型的初步识别，模型参数的矩估计，模型参数的最小二乘估计，模型的检验和改进时间序列的预报。
多源数据的融合：多源数据的融合的基本概念，多源数据的融合的基本方法，先验信息的描述，Bayes 估计的原理，Bayes 准则，无信息先验，共扼分布，损失函数的概念，经验Bayes 估计，Bayes 假设检验，Bayes 预测，Bayes 估计在测量中的应用，方差分量的Bayes 估计，Bayes 估计的广义可容许性。
有偏估计：容许性的概念，病态方程问题，均方误差的概念，stein 估计，岭估计，岭参数的确定，主成分估计，有偏估计在测量中的应用。
【02~08】本文根据上述扩展，将作重介绍几种现代新发展起来的几种处理方法。
2.几种创新方法介绍关于粗差—抗差估计抗差估计的提出是与粗差(Gross error)相联系的,粗差指离群的误差,由失误、观测模式差、分布模式差而来,它实际不可避免,观测模式差是指局部对全局性的系统差,没有有效的估计方法,就结果而言,观测模式比估计方法更重要。
所谓抗差估计,实际是在粗差不可避免的情况下,选择估计方法使未知量估值尽可能减免粗差的影响,得出正常模式下的最佳估值。
抗差估计也包括方差估计和假设检验。
最小二乘估计为粗差所吸引,使未知量估值偏离,但在正常分布模式下,此法具有优越的数学和统计性能。
因此一个有效估计方法必须具有保留最小二乘法的优越性同时增加其抗差性。
设有观测子样{i x }其相互独立,观测权为{i p },i 由1至n 。
M 估计是由观测{i x }求参量{j θ}的估值j 由1至m,余差为{vi}。
求j θ的条件是[p ρ]就j θ极小,即1[][()][]0j j jPP P ρρυυυωυθυυθθ∂∂∂∂=••=••=∂∂∂∂ （1） 其中ρ是挑选的极值函数。
（1）式是估值方程,直接计算往往很困难,但它可改写为()0mnVPV A PV θ∂''==∂ （2） 其中,1111mn n mVυυθθθυυθθ∂∂⋅⋅⋅∂∂∂=⋅⋅⋅⋅⋅⋅⋅⋅⋅∂∂∂⋅⋅⋅∂∂，记为A1(),()ii ii i i i i P P P P P Vρωυ∂==•=∂ ω称为权因子。
(2)式可以看作最小二乘解的法方程,相应观测方程nm nlmlnlA X V θ=+ 等价权P (3)计算P 要知道υ,它可取适当的近似值,权的精度要求不高。
我们称P 为等价权,因为取它作为观测方程(3)的权所得出的法方程,正是估值方程(1)。
这样利用等价权P 可将M 估计化为最小二乘估计,这无论在计算、估算方案制定上都带来很大的便利,我们就充分利用它。
通过权因子,可以对不同的极值函数ρ进行对比,反之,若规定了权因子,也可以找出相应的极值函数。
下面列举几种通常有效的估计方案,这里作了适当的改化。
在k υσ=时,权因子均为1, σ为观测权中误差, k 为倍数。
(1)经典的最小二乘估计(LS)极值函数: 2()2i i υρυ=(4)权因子:1,权与i υ无关等价权: ii i P P =(2)绝对和极小(LAS)或称一次范数最小极值函数: ()i i k ρυσυ= (5)权因子: si ()()i i iiK gn K συσωυυυ==等价权: ii i i iiK P p p σωυ==(3)Huber 估计极值函数: 22,2()(),2i i i i i K K K K υυσρυσσυυσ<=-≥ (6)权因子:1,(),i i i iK K K υσωυσυσυ<=≥等价权: ,,i i ii i i iP K P PK K υσσυσυ<=≥(4)丹麦法极值函数:222,2()(exp(1),i i i ii i K K K K K υυσρυυσσυυσσ<=-+-+≥ (7)权因子: 1,()(1)/exp(1),i i ii i K K K K υσωυυσυσυσ<=--≥ 等价权: ,(1)/exp(1),I i ii ii i iP K P K P K K υσυσυσυσ<=--≥ (5)IGGI 方案极值函数: 2,2(),,i i i i i i K K K C υυσρυσυσυγσυγσ<=≤≤≥ (8)权因子: 0001,(),0,i i i ii K K K υσσωυσυγσυυγσ<=≤≤≥等价权: 0,,0,i i ii i i ii P K K P P K υσσσυγσυυγσ<=•≤≤≥ 抗差方案的选择IGGI 方案：从上节列举的几种估计方案看,一个有效的抗差方案应作如下考虑:有一界限K σ,i υ在限内采用最小二乘法,权因子为1;限外权因子随υ的增大由1逐渐减小。
绝对和极小的最简单情形联系于中位数,正负余差权之和相等。
观测变动只须保持余差符号不变,解不受影响,因此具有优越的抗差性。
抗差理论证明,它的影响函数(Influence function)绝对值不变(不因粗差而异);其崩溃污染率(Breakdown point)为权大值1/2(污染率在此限内,估值在界内)。
这和最小二乘解(平均值)相比,具有明显的优越性。
但由界限现代测量平差与数据处理理论的进展K σ向内,权因子由1无限增大,这与观测权大大不符。
从测量误差理论来看,界限K σ之K 可取(按正态分布,误差在±σ以外的概率仅为,限外之观测既不能完全否定,又要限制其有害作用,采用抗差权因子11b bK ωυσ+=+ （9）以除低观测权是可取的。
式中b 取正值。
当余差超出±σ时,(正常模式下,概率为,在观测模式可用的情况下,不应作为观测信息,即取0ω= (从抗差估计看,粗差也不能过大)。
如按绝对和方案(5),当υ=σ时,仅达3/5,权因子缩小嫌慢。
丹麦法权因子采用exp(1)K υσ-,且在叠代计算中累乘因子,没有抗差上的论证,它实质上是淘汰法。
综上所述,余差在±σ以内,采用原观测权,即此段用最小二乘法; ±σ以外,观测不用,即淘汰法;在±σ~±σ之间(包括±σ,按绝对和极小取权因子1/K ωυσ=作为抗差方案,这个方案就是IGGI 方案。
【09】关于数据融合大地测量观测数据类型越来越多,有距离观测、方向(或角度)观测以及点的位置观测等,由于观测仪器、观测时间、观测方案不同,即使是同类型观测,也可能造成观测量间不相容。
综合处理各类大地测量观测信息有多种模式,如序贯平差法[1]、整体平差法等。
无论采用哪种平差方法,都涉及观测信息的函数模型和随机模型的构造与选择问题,同时还涉及数据融合的方式问题,即基于观测信息的融合或基于导出观测量(伪观测量)的融合。
一般情况下,基于独立观测信息的融合是一种较为严密的融合。
在实践中,大地测量数据融合经常需要虑函数模型误差和随机模型误差,如在2000中国GPS 大地控制网数据融合中,不同等级的GPS 观测函数模型顾及了函数模型误差(如基准差、地壳形变误差、轨道误差等),在多时段、多等级的GPS 观测信息的融合中,采用了顾及各类随机模型误差的方差分量估计【10,11】。
2.2.1 观测信息的融合2.2.1.1 基于观测信息的融合在进行观测信息的融合时,可以分别考虑函数模型和随机模型误差。
现考虑两类观测信息1L 和2L ,相应的权阵为111P -=∑,.122P -=∑,1∑, 2∑为相应的协方差矩阵,其误差方程分别为:111V A X L =- (1) 222V A X L =- (2)式中,X 为t ×1待估参数向量;1A 、2A 分别为1L 、2L 的设计矩阵;1V 、2V 为1L 、2L 的残差向量;1L 、2L 的维数分别为1n 、2n 。
式(1)和式(2)的参数解为:1111222111222()()T T T TX A P A A P A A P A A P A -=++ (3)验后协方差矩阵为:210111222()T T KA PA A P A σ-=•+∑(4)211122212T T V PV V PV n n tσ+=+- (5) 2.2.1.2 具有函数模型误差的观测信息融合解若考虑L1有系统误差,则可以对其函数模型进行改进,即1111V A X B S L =+- (6)式中,S 为模型系统误差;1B 为相应的系数矩阵。