论文部分内容阅读
随着空间大地测量技术的发展,数据种类的丰富,如何有效的融合各类观测数据进行联合平差,以获取不同类观测数据的有用信息、获得可靠的平差结果,成为研究的热点。然而,大部分联合平差成果是基于Gauss-Markov模型展开(认为仅观测向量包含随机误差)。在许多情况下,系数矩阵同样受到随机误差的影响,因此,更为合理的方法应当考虑变量含误差模型(errors-in-variables,EIV)。现有的联合平差方法存在以下不足之处:(1)联合平差方法是在最小二乘平差准则下求解得出,实际情况下,系数矩阵同样是由含随机误差的观测数据组成;(2)大多数文献在求解联合平差时视各类数据等权比,即人为认为各类数据在联合平差中所占的比重相同。针对上述问题,本文将总体最小二乘方法应用于联合平差问题,采用相对权比(权比因子)来平衡两类或多类数据之间的比重;推导总体最小二乘联合平差准则下模型参数估计公式;探究联合平差中相对权比的确定方法;将联合平差方法应用于Mogi模型火山形变等问题,验证推导方法在实际问题中的应用。具体研究内容如下:1.不同类数据的融合是大地测量数据处理的基本问题。推导了多类观测数据的加权总体最小二乘平差方法,在相对权比的确定方面,设计多种方案,结合验前单位权方差法和判别函数最小化方法确定权比。研究结果表明:验前单位权方差法适用于数据验前信息相对准确的情况,当验前信息不准确时,采用判别函数最小化法能取得较优的参数估值结果。2.针对判别函数不唯一,实际应用中采用经验的判别函数确定权比的问题。推导了一种附加自适应权比因子的加权总体最小二乘联合平差方法,给出了适用于加权总体最小二乘联合平差的Helmert方差分量估计公式,自适应求解不同类观测数据参与联合平差所占比重,求得模型参数。模拟算例结果表明:推导的附加自适应权比因子的加权总体最小二乘联合平差方法能够取得与已有的总体最小二乘方差分量估计法相同的平差结果,且优于最小二乘联合平差及不顾及权比因子的加权总体最小二乘联合平差结果。与已有的总体最小二乘方差分量估计法相比,推导方法具有较高的计算效率。通过联合In SAR与GPS数据,将推导的方法应用于L’Aquila地震滑动分布反演实例,对比了附加自适应权比因子的加权总体最小二乘联合平差方法与最小二乘联合平差方法。3.基于本文联合平差研究,结合判别函数最小化法确定权比,系统的研究了总体最小二乘联合平差方法在长白山天池火山Mogi模型反演中的应用。针对该模型非线性的特点,对其线性化,给出了观测向量与系数矩阵协因数阵的计算方法。研究结果表明:本文方法能获得合理的压力源参数估值结果,具有一定的实际应用价值。