GPS网无约束平差中的粗差探测

GPS网的平差模型与经典网不同,它利用基线向量作为虚拟观测量进行平差,根据巴尔达法基本原理,用程序实现了将巴尔达法用于三雏GPS网平差中,不仅可以用来探测一个粗差,还可以用来探测多个粗差,根据实际算例,说明了该方法在获得GPS网可靠性的参数估值和精度信息的同时,对粗差进行了正确的定位,验证了该方法的效果,得出一些有益的结论.     

测量数据处理中粗差问题的探讨

粗差的探测与剔除是测量数据处理中非常重要的一项工作,它直接关系到平差结果的可靠性。对测量粗差的来源进行了分析,指出了粗差的特点,从粗差探测与抗差估计两个方面对粗差的处理方法进行了探讨,并给出了粗差处理的建议。     

一种粗差探测方法的研究

使用了条件方程式直接探测多维粗差的方法,该方法直接从最基本的条件方程式开始,组合出满足一定条件的条件方程式,用条件方程式的闭合差作为探测粗差的依据,不必进行最小二乘平差计算,就能简便有效地探测粗差,并通过算例验证了它的可靠性和说明了该方法的实现过程。本文还对闭合差标志的做了进一步探讨,说明了粗差在闭合差中的灵敏度。     

建筑物垂直变形观测的可靠性分析

对于建筑物的垂直变形观测，粗差的存在必将严重改变垂直变形信息，影响垂直变形分析结果垢可靠性，因此，粗差的定位和剔除极为重要，用单个粗差的向前，向后探测法，对粗差进行检测，连续结合使用上述两种方法可对多个粗差进行数据探测，可以发现建筑物实现的垂直变形，此方法对多个粗差的定位和剔除有效，可以提高垂直变形观测的可靠性，在粗差探测时，还应进行外界干扰因素的判别和分析。     

建筑物垂直变形观测的可靠性分析

对于建筑物的垂直变形观测，粗差的存在必将严重改变垂直变形信息，影响垂直变形分析结果的可靠性，因此，粗差的定位和剔除极为重要。用单个粗差的向前、向后探测法，对粗差进行检测，连续结合使用上述两种方法可对多个粗差进行数据探测，可以发现建筑物实际的垂直变形。此方法对多个粗差的定位和剔除有效，可以提高垂直变形观测的可靠性。在粗差探测时，还应进行外界干扰因素的判别和分析     

GPS网平差中的粗差探测及质量分析的探讨

随着GPS卫星定位技术在测绘领域的普及,许多GPS数据处理及平差软件也应运而生,在这些软件中包含有各种各样的粗差探测及质量分析工具。在GPS网平差中,粗差探测及质量分析是一项很重要的工作,熟练应用粗差探测及质量分析工具,对观测数据作出正确判断,采取合理措施,是可以避免不必要的返工。文中叙述了如何在平差过程中正确使用这些工具,以期对广大用户有所帮助。     

卡尔曼滤波模型粗差的探测及其在施工变形测量中的应用

在施工变形监测中，由于监测点的多余观测值较少，因此很难发现观测值中存在的粗差。用卡尔曼滤波方法进行数据处理时，观测值中的粗差将在预测残差向量中得到反映。通过分析卡尔曼滤波模型误差与预测残差向量之间的关系，提出了对粗差进行探测的方法，并通过一个实例说明了该方法的有效性。     

剔除变形监测粗差数据的新方法——数据跳跃法

当观测值中有多个粗差时拉依达法则一次只能剔除一个粗差,并且多个粗差之间互差不满足一定条件时拉依达法则失效.针对此问题在拉依达法则基础上提出了一种剔除变形监测粗差数据的新方法数据跳跃法.数据跳跃法克服了拉依达法则的部分局限性,可将含有粗差的变形监测值批量剔除,为一次剔除多个粗差提供了解决方法.采用该方法对实际监测数据进行了处理,取得了较好的效果.数据跳跃法为利用程序进行粗差判定与剔除提供了理论依据和算法.     

GPS网的优化设计与粗差剔除

GPS控制网无论是在布网方案，还是在平差模型方面，都与经典网有许多不同之处。因此，经典网的优化设计不再完全适用于GPS网的优化设计。本文在简单总结了GPS网特点的基础上，提出了GPS网优化设计的分类与优化目标。同时，在总结GPS网数据粗差剔除数学模型的基础上，用数据探测法的思想编程实现了粗差自动检测功能，并给出了实例。最后，得出了有益的结论。     

用LEGE法探测万家寨引黄工程变形监测水准网粗差

应用LEGE法（多维粗差同时定位定值法）对万家寨引黄工程北干线1号隧洞水准网数据进行了处理和探测，检验了LEGE法的实用性和可靠性。     

用小波变换去除多普勒频率估计野值点的方法

研究去除多普勒频率估计野值点的方法．在分析野值点统计特性及小波域分布特性的基础上，通过利用野值点和多普勒频率在小波域上系数的不同，首先对各尺度系数进行分段，然后对不同段的系数设定不同阈值进行处理，从而达到去除野值点和恢复多普勒频率的目的．实验结果表明，去除野值点后的结果与原数据的残差中不包含多普勒频率的趋势分量，对后续的脱靶量参数估计没有任何不利影响，去除了随机测量误差与野值点的影响。     

抗野值自适应Kalman滤波及其在陀螺信号处理中的应用

针对陀螺漂移信号中野值的不良影响，从简化的自适应Kalman滤波算法出发，设计了抗野值的自适应Kalman滤波方法．通过在某型号高精度寻北仪上的试验验证，用该方法处理后所得方差为9．0809”，而常规Kalman算法所得方差为17．6919”，计算结果有所提高．试验证明，采用该方法不仅能够有效提高寻北仪的寻北精度，而且对系统的量测噪声不敏感。     

基于光流和多层次B样条自由变形的医学图像鲁棒形变配准

为了跟踪肿瘤病灶对周围正常组织挤压变形,以及脑部手术软组织变形对手术的影响,提出了光流估计框架下的多层次B样条自由变形鲁棒形变配准方法.利用光流法约束下的多层次B样条自由变形,通过加密局部控制点以加强局部形变,能有效建模肿瘤信号及异常变形区域的局部较大形变.通过引入鲁棒估计,给予异常信号(病灶、灰度突变或形变不连续区域)以较小的权值,可减小图像灰度差异、局部不连续形变场所造成异常信号对形变配准优化的不利影响.采用了L BFGS方法,可减少内存开销,提高优化速度.实验表明：形变配准算法得到了较好的效果,可较好建模术前和术中脑部医学图像的形变,本配准算法可用于指导图像导向手术.     

差分辅助中值滤波外弹道野值检测与剔除方法

针对中值滤波对连续型野值检测与剔除性能不理想的问题,提出了一种差分辅助中值滤波方法,并将其应用于外弹道测量数据的野值检测与剔除工作中。中值滤波方法对孤立型野值检测和剔除表现出很好的稳健性,但是当观测数据中野值点连续分布时,中值滤波方法往往无效。利用差分方法可以改变观测数据中野值点的分布。在此基础上利用中值滤波方法进行野值检测和剔除可获得更好的效果。计算机仿真和实测数据处理结果证明,差分辅助中值滤波野值剔除方法不仅对孤立型野值有效,同样适用于连续型野值检测和剔除。     

异常点检测后的偏最小二乘回归模型

偏最小二乘回归是通过一组自变量来预测一个或一组因变量的统计方法。但在很多情况下用于建模的样本点由于种种原因会出现一些异常情况,这些异常点和其他样本点之间都存在着很大的偏差。异常点的存在对所建立的模型和真实模型就有很大的偏差。基于这一问题本文通过构造统计量对所给的样本点进行选择,剔除对模型的构造有很大影响力的样本异常点,从而获得一个相对合理的样本空间。在相对合理的样本空间中采用偏最小二乘回归建立模型。运用MATLAB编程,通过一个实例说明在对于异常点剔除后的样本空间中建立模型的精确程度有了很大的提高。     

基于信息扩散的Kalman滤波抗野值研究

标准Kalman滤波在理想条件下是系统状态最优滤波,当观测值中含有野值时,将严重影响滤波的精度。采用新息扩散原理对滤波方程中的新息序列进行修正,不仅可以抑制野值的影响,而且不受野值分布情况的限制,仿真结果验证了它的有效性。     

基于密度法的模糊支持向量机

针对支持向量机对训练样本内的噪音和孤立点特别敏感、极大地影响了支持向量机分类性能的弱点，提出了一种基于密度法的模糊支持向量机，在支持向量机中引入样本密度模糊参数，从而减弱了噪音以及孤立点对支持向量机分类的影响．实验结果证明，在抗击孤立点和噪音点的干扰方面，上述方法优于类中心向量方法以及类中心点距离方法，取得了很好的效果．这一方法大大提高了支持向量机分类的泛化能力，从而大大提高了支持向量机的应用范围．     

基于弹性网约束的稳健变量选择

大数据时代下收集到的数据常含有异常值或呈现尖峰厚尾以及变量之间具有较强的相关性,针对此问题,结合秩回归和自适应弹性网(Adaptive Elastic-net)提出了一种高效稳健的变量选择方法.此方法的最大优点在于不仅能够有效处理协变量之间的强相关性而且还能克服多重共线性问题,同时能抵抗厚尾分布或异常值的影响,实现稳健...     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

超声电视成像测井中图像异样点修复处理改进方法研究

针对超声成像测井中因各种不确定因素而导致测井图像中出现异样点的现象，通过分析目前清除异样点所采取的常规方式的不足，提出一种能够有效解决此类问题的全变分修复算法；该方法先于选定区域内依据阈值大小识别待修复的异样点，随后采用该修复算法对此进行修复；并分别将其应用于标准测井图像与实际测井资料处理中并进行效果比对；实践证明：该算法能够完全恢复其图像的原始特征，为后期图像资料中此类状况的修复处理提供了有效的解决方案．