Lec06附有未知參數的條件平差

Lec06附有未知參數的條件平差誤差理論與測量平差基礎·第六講Contents課程目錄最小二乘法理論基礎與工程實踐應用的系統學習路徑01基本概念與應用背景02數學模型的建立與線性化03最小二乘準則與法方程求解04精度評定方法05典型算例與工程應用CHAPTER01基本概念與應用背景理解附有參數條件平差的定位、動機與適用場景METHODSYSTEM測量平差方法體系概覽經典測量平差包含四種基本方法，它們以函數模型的不同選擇為核心區分。附有參數的條件平差位于條件平差與間接平差之間，是一種兼具兩者特點的廣義平差方法，當參數個數取極端值時可退化為純條件平差或間接平差。條件平差僅建立觀測量之間的條件方程，不引入未知參數，方程個數等于多余觀測數r適用于條件關系容易列出的簡單網形，如單一閉合水準路線、簡單三角形網r個方程附有參數的條件平差在條件方程基礎上引入u個獨立未知參數（u<t），方程個數為r+u兼具條件平差與間接平差的特點，是本次課程的核心內容，解決實際中的混合約束問題r+u個方程間接平差選定t個獨立參數，將每個觀測量表達為參數的函數，建立n個誤差方程是當前最常用的平差方法，誤差方程形式規律性強，便于編程實現n個方程ADJUSTMENTTHEORY附有參數條件平差的基本思想附有參數的條件平差是條件平差與間接平差的有機結合體，通過在條件方程中引入u個獨立非觀測量作為未知參數，解決了觀測值存在條件約束同時需估計未知參數的混合問題，是平差方法體系中具有統一性的廣義模型。01核心思想在條件方程中引入u個獨立未知參數（0<u<t），使條件方程既包含觀測量又包含未知參數02與條件平差的關系當參數個數u=0時，附有參數的條件平差退化為純條件平差，是其特殊情形03與間接平差的關系當參數個數u等于必要觀測數t時，可轉化為間接平差，具有方法論上的統一性04獨立性要求所選u個參數之間不存在確定的函數關系，保證參數估計的可解性與唯一性ApplicationScenarios三類典型應用場景附有參數條件平差主要應用于觀測值存在條件約束且同時需估計非觀測量參數的場景，涵蓋水準網高程估計、三角網系統誤差修正和GNSS大氣延遲求解三大領域，是處理混合約束問題的核心工具。水準網平差01水準網中存在多條閉合路線的幾何條件約束，同時需要將部分結點高程作為未知參數參與平差02適用于區域水準網中既有閉合差條件、又有待定點高程需要估計的復雜網形結構高程估計三角網平差01三角網中三角形內角和條件構成幾何約束，同時存在儀器系統誤差或折光系數等物理參數需估計02當條件方程難以全部列出時，引入部分非觀測量作為參數可使問題化繁為簡誤差修正GNSS定位解算01GNSS雙差觀測方程構成條件約束，同時需要估計對流層延遲、電離層參數等大氣改正量02在精密定位與變形監測中，將模糊度參數和大氣參數引入條件方程進行聯合平差大氣延遲ADJUSTMENTTHEORY引入未知參數的核心動機引入未知參數的動機可歸納為三類：求解非觀測量的估值與精度、簡化難以直接列出的條件方程、以及實現分區計算等策略性目標。這使得附有參數條件平差在實際工程中的適用范圍遠超純條件平差。01需要同時求得非觀測量（如待定點坐標、物理參數）的估值及其精度，僅靠純條件平差無法直接實現02某些復雜網形中條件方程難以全部用觀測量列出，引入適當參數可使條件方程建立變得可行和簡潔03策略性考量——引入參數可實現平差計算的分區處理，便于大規模控制網的分組并行計算與質量檢核大地測量控制網實地標石與觀測設施CHAPTER02數學模型的建立與線性化從條件方程一般形式到線性化基礎方程的完整推導MathematicalFoundation條件方程的一般形式附有參數的條件方程以F(L?,X?)=0為一般形式，同時包含n個觀測值的改正數V和t個未知參數X?，共c個方程，構成了后續線性化與法方程推導的出發點。符號體系的清晰定義是正確建模的前提。01觀測值與改正數：觀測值向量L為n×1列向量，改正數向量V為n×1，平差值L?=L+V；未知參數向量X?為t×1列向量02方程結構：條件方程個數c通常滿足c>t，附有參數的條件方程表示為F(L?,X?)=0，是c維向量函數03混合不定方程組：該方程同時包含觀測值改正數V和未知參數X?，本質上是一個混合型不定方程組，需引入最小二乘準則求唯一解04線性化處理：函數F一般為非線性形式，需要在近似值處進行泰勒展開線性化處理后才能進行矩陣運算求解LINEARIZATION泰勒展開與線性化過程通過在近似值處進行泰勒展開并保留一次項，非線性的條件方程F(L?,X?)=0被線性化為BV+Ax+W=0，其中B、A分別為偏導數矩陣，W為閉合差向量。泰勒展開在近似值L?和X?處展開：F(L,X)≈F(L?,X?)+(?F/?L)·V+(?F/?X)·x=0F≈F?+BV+AxB矩陣條件方程對觀測值的偏導數矩陣，反映每個條件方程對各觀測值的敏感程度c×nA矩陣條件方程對參數的偏導數矩陣，反映每個條件方程對各未知參數的敏感程度c×t閉合差WW=F(L?,X?)，用近似值代入條件方程后得到的不符值向量c×1核心方程線性化基礎方程是附有參數條件平差的核心，后續法方程均由此導出BV+Ax+W=0StochasticModel隨機模型與權陣定義測量平差的完整數學模型由函數模型和隨機模型共同構成。隨機模型通過協方差陣D=σ?2Q或權陣P=Q?1描述觀測值的精度特征，四種經典平差方法共享同一隨機模型，僅在函數模型上有所不同。協方差陣觀測向量的協方差陣D=σ?2Q，其中σ?2為單位權方差，Q為協因數陣，反映觀測值的絕對精度D=σ?2Q權陣權陣P定義為協因數陣的逆P=Q?1，反映各觀測值之間的相對精度關系，是平差計算的核心輸入P=Q?1模型構成函數模型與隨機模型共同構成完整平差數學模型，四種平差方法的隨機模型相同，僅函數模型不同共享隨機模型定權規則等精度觀測時P為單位陣，不等精度時P為對角陣，相關觀測時P為滿陣，需根據實際定權按實際定權MatrixReference關鍵矩陣定義與維度匯總線性化后的附有參數條件平差涉及六個核心矩陣，它們的維度關系嚴格受c=r+u、觀測數n和參數數t的約束。符號維度定義與含義Bc×n條件方程對觀測值的偏導數矩陣，反映條件方程對各觀測值的線性化系數Ac×t條件方程對參數的偏導數矩陣，反映條件方程對各未知參數的線性化系數Vn×1觀測值改正數向量，待求量，表示各觀測值需施加的修正xt×1未知參數改正數向量，待求量，X?=X?+xWc×1閉合差向量，W=F(L?,X?)，近似值代入后的不符值Pn×n權陣，P=Q?1，反映觀測值的相對精度關系維度關系滿足c=r+u的約束條件，其中c為條件方程數，r為多余觀測數，u為參數個數CHAPTER03最小二乘準則與法方程求解拉格朗日乘數法推導法方程，分步求解改正數與參數估計值OPTIMIZATIONCRITERION最小二乘準則與優化問題表述附有參數條件平差的本質是一個帶約束的優化問題：在滿足條件方程BV+Ax+W=0的前提下，使目標函數Φ=V?PV取最小值。由于方程組不定（c<n+t），最小二乘準則提供了選取唯一最優解的標準。最小二乘準則在滿足條件方程BV+Ax+W=0的所有可能解中，選取使V?PV=min的唯一解V?PV=min物理意義使改正數的加權平方和最小，即在滿足條件約束的前提下盡可能少地修改原始觀測值加權平方和不定方程組特征未知數個數n+t，方程個數c，因c<n+t故有無窮多組解，需準則約束c<n+t權陣P的作用反映觀測值精度差異，高精度觀測值的改正數被賦予更大懲罰，迫使平差結果更信賴精密觀測精度差異LAGRANGIANMETHOD拉格朗日函數的構造通過引入c×1聯系數向量K作為拉格朗日乘子，將帶約束優化問題轉化為無約束優化問題。拉格朗日函數Φ=V?PV-2K?(BV+Ax+W)將目標函數與條件約束統一表達，后續通過對V、x、K分別求偏導獲得完整的求解方程組。構造拉格朗日函數構造Φ=V?PV-2K?(BV+Ax+W)，將目標函數與約束條件統一表達為單一函數形式，實現優化問題的結構化整合。統一表達聯系數向量K聯系數向量K（c×1）充當拉格朗日乘子角色，將條件約束信息有效"注入"到目標函數中，建立約束與優化的橋梁。拉格朗日乘子系數-2的設定系數-2的選取旨在使后續求導結果更加簡潔規整，消除分母系數，不改變優化問題的本質與最優解。求導簡潔無約束極值轉化將帶約束的n+t維優化問題轉化為對V、x、K三個變量分別求偏導的無約束極值問題，簡化求解過程。n+t維DERIVATION求偏導得到三個關鍵方程對拉格朗日函數分別關于V、x、K求偏導并令為零，得到三個方程：V=QB?K建立了改正數與聯系數的關系；A?K=0是參數的附加約束；BV+Ax+W=0即條件方程本身。三者構成完整的求解方程組。01對V求偏導?Φ/?V=2PV?2B?K=0→PV=B?K→V=P?1B?K=QB?K02對x求偏導?Φ/?x=?2A?K=0→A?K=0，聯系數K位于A的零空間中03對K求偏導?Φ/?K=?2(BV+Ax+W)=0→BV+Ax+W=0，即條件方程本身04聯立方程組V=QB?K·A?K=0·BV+Ax+W=0，三式聯合構成后續推導法方程的完整基礎附有參數條件平差法方程的推導與分塊矩陣形式將V=QB?K代入條件方程并定義NBB=BQB?，結合A?K=0，得到法方程的分塊矩陣形式。該(c+t)階對稱方程組是附有參數條件平差的核心計算環節。STEP01·定義定義NBB=BQBT（c×c對稱矩陣），代入得第一個法方程：NBB·K+Ax+W=0STEP02·聯立結合ATK=0作為第二個法方程，兩者聯立構成完整法方程組STEP03·分塊寫成(c+t)階分塊矩陣形式，左上塊NBB反映條件方程內部關系，右下塊為零矩陣BlockMatrixFormNBBAAT0·Kx=?W0c×cc×t——NBB—條件方程內部關系0—參數約束結構Symmetricsystemoforder(c+t)SOLUTIONSTRATEGIES法方程的兩種求解策略法方程的分塊矩陣結構提供了兩種求解路徑：消元法通過逐步代入將(c+t)階方程組降為t階方程Nx=-A?N_BB?1W，計算效率高；直接求逆法一次解出所有未知量，概念簡潔但數值穩定性較差。工程實踐中消元法更為常用。方法一：消元法推薦由第一方程解出K=-N_BB?1(Ax+W)，代入第二方程A?K=0消去K定義N=A?N_BB?1A（t×t對稱陣），得到t階方程Nx=-A?N_BB?1W先解x再回代求K，避免(c+t)階大矩陣求逆，數值穩定性好，適合編程實現t階降維方法二：直接求逆法若法方程系數矩陣非奇異，直接對其求逆一次性解出[K;x]向量概念直觀簡潔，適用于c和t均較小、矩陣條件數良好的情形當c+t較大時矩陣求逆的數值誤差可能累積，需配合條件數檢查使用(c+t)階全解CALCULATIONWORKFLOW完整計算步驟總結附有參數條件平差的計算流程由四個有序步驟組成：解法方程求參數改正數→回代求聯系數→計算改正數→求平差值。各步驟嚴格依賴前序結果，形成從法方程到最終平差值的完整計算鏈條。01STEP解法方程求參數改正數計算NBB=BQBT和N=ATNBB?1A，解t階法方程Nx=?ATNBB?1W得參數改正數xNx=?ATNBB?1W02STEP回代求聯系數向量由K=?NBB?1(Ax+W)回代計算c×1聯系數向量KK∈?c×103STEP計算觀測值改正數由V=QBTK計算n×1觀測值改正數向量VV∈?n×104STEP求平差值觀測值平差值L?=L+V，參數估計值X?=X?+xL?,X?COMPARATIVEANALYSIS三種平差方法關鍵特征對比三種平差方法在方程個數、未知量類型、自由度等維度存在系統性差異。附有參數條件平差的自由度c-t介于條件平差(r)和間接平差(n-t=r)之間，參數個數u的增加會相應減少自由度，體現了約束條件與自由度之間的此消彼長關系。條件平差、附有參數條件平差與間接平差對比對比維度條件平差附有參數條件平差間接平差函數模型條件方程含參數的條件方程誤差方程（觀測方程）方程個數r（多余觀測數）c=r+un（觀測總數）未知量僅改正數V改正數V+參數x僅參數x自由度rc-tn-t=r參數個數u=00<u<tu=t法方程階數r×r(c+t)×(c+t)t×t附有參數條件平差在方程個數和自由度上介于條件平差與間接平差之間，是兩種經典方法的廣義統一形式CHAPTER04精度評定方法單位權方差估值、參數與觀測值平差值的協因數陣推導精度評定單位權方差估值單位權方差估值σ??2=V?PV/(c-t)是精度評定的基礎，其自由度c-t反映了條件方程數與未知參數數的凈差值。計算公式σ??2=V?PV/(c-t)，V?PV為改正數加權平方和，c-t為自由度。該公式是精度評定的核心表達式，通過殘差分析確定觀測值的可靠性水平。V?PV/(c-t)自由度分析c為條件方程個數，t為未知參數個數，每引入一個參數減少一個獨立條件。自由度決定了估值的統計分布特性，是假設檢驗的重要依據。c?t平差對比純條件平差自由度為r，附有參數時自由度降為c-t，體現參數估計對信息的影響。參數越多，用于精度評定的獨立信息越少，估值不確定性增大。r→c?t前提條件c-t>0時估值才有統計意義，即須存在多余觀測，c-t越大估值越可靠。充足的自由度保證χ2分布近似成立，使假設檢驗具有足夠的檢驗效能。c?t>0CovarianceAnalysis參數協因數陣與協方差陣參數協因數陣Qxx=N?1=(A?NBB?1A)?1可從法方程系數矩陣逆矩陣的右下子塊提取，其精度同時受條件方程對參數的靈敏度(A)和觀測值精度傳遞效果(NBB)的共同影響。01設法方程分塊矩陣的逆為[Q??,Q??;Q??,Q??]，參數協因數陣Qxx即為右下子塊Q??Q??02推導結果：Qxx=N?1=(A?NBB?1A)?1，其中NBB=BQB?反映觀測精度在條件方程中的傳遞N?103參數協方差陣Dxx=σ??2·Qxx，對角線元素為各參數的方差，非對角線元素為參數間的協方差σ??204精度取決于A矩陣（條件方程對參數的靈敏度）和NBB（觀測精度信息）的綜合效果A·NBB精度分析觀測值平差值的精度評定觀測值平差值L?的協因數陣通過協因數傳播律從改正數V的表達式導出，其精度受權陣Q、條件方程系數矩陣B和A以及法方程逆矩陣的共同影響。01由L?=L+V可知QL?L?=QVV，改正數協因數陣即平差值協因數陣QL?L?=QVV02QVV通過協因數傳播律從V=QB?K導出，涉及B、Q和法方程逆矩陣的復合運算V=QB?K03實際工程中通常僅對關鍵觀測值或平差值函數進行精度評定，避免全矩陣計算的冗余關鍵量優先04平差值函數精度評定：對F(L?)應用協因數傳播律，QFF=(?F/?L?)·QL?L?·(?F/?L?)?QFF精度評定精度評定核心公式匯總精度評定涉及單位權方差估值、參數協因數陣、參數協方差陣和平差值協因數陣四個核心公式，它們依次依賴、層層遞進，構成從整體精度到個別參數精度的完整評定體系。附有參數條件平差精度評定公式一覽評定項目計算公式結果維度關鍵說明單位權方差估值σ??2=V?PV/(c?t)標量自由度c?t須大于零參數協因數陣Q_xx=(A?N_BB?1A)?1t×t法方程系數矩陣逆的右下子塊參數協方差陣D_xx=σ??2·Q_xxt×t對角線元素為各參數方差平差值協因數陣Q_L?L?=Q_VV（協因數傳播律）n×n通過V的表達式傳播得到四個精度評定公式依次依賴，從整體精度（單位權方差）到個別精度（參數/平差值協方差）形成完整體系CHAPTER05典型算例與工程應用通過完整算例演示從建模到求解再到精度評定的全流程CASESTUDY水準網算例：問題定義以包含1個已知點和3個待定點的水準網為例，5段高差觀測構成n=5、t=3、r=2的基本框架。選擇P1點高程作為未知參數(u=1)，則條件方程數c=r+u=3，展示了附有參數條件平差在簡單網形中的具體應用。NETWORKDIAGRAM已知點A（高程100.000m）與待定點P1、P2、P3構成閉合水準網?路線1：A→P1（觀測h?）?路線2：P1→P2（觀測h?）?路線3：P2→P3（觀測h?）?路線4：P3→A（觀測h?，閉合環）?路線5：P1→P3（觀測h?，對角線）OBSERVATIONSh?(A→P1)·h?(P1→P2)·h?(P2→P3)·h?(P3→A)·h?(P1→P3)NETWORK已知點A高程HA=100.000m，待定點P1、P2、P3高程未知，共5段水準路線觀測觀測數n=5，必要觀測數t=3（3個待定點高程），多余觀測數r=n?t=2EQUATIONS選擇P1點高程HP1作為未知參數（u=1），使部分條件方程更容易列出條件方程個數c=r+u=3，含2條閉合路線條件和1個含參數的輔助條件權陣按路線長度定權：Pi=C/SiLevelingNetwork·ConditionalAdjustment條件方程的建立與矩陣表達水準網的三個條件方程分別來自閉合環條件、含參數的高程約束條件和輔助路線條件，寫成矩陣形式BV+Ax+W=0后，B矩陣反映各條件方程對觀測值的系數關系，A矩陣反映對未知參數H_P1的系數關系。EQ.1閉合環條件v1+v2+v3+v4+W1=0閉合差W1=h1+h2+h3+h4EQ.2參數約束條件v1?x+W2=0高程不符值W2=HA+h1?HP10EQ.3輔助路線條件v5?v2?v3+W3=0第二條路線閉合差W3=h5?h2?h3MatrixFormBV+Ax+W=0B11110100000?1?1013×5A0?103×1V5×1改正數x標量參數改正數ComputationProcess法方程求解與數值計算按照四步計算流程，先求NBB=BQB?（3×3陣）和N=A?NBB?1A（標量），再解出參數改正數x后回代求聯系數K和改正數V。數值計算過程中需注意矩陣運算的維度匹配和舍入誤差控制。01構造NBB矩陣計算NBB=BQB?得到3×3對稱矩陣，求其逆矩陣NBB?13×3對稱矩陣02解參數改正數x計算N=A?NBB?1A（標量），解x=N?1(?A?NBB?1W)得參數改正數Scalar標量運算03回代求改正數V回代K=?NBB?1(Ax+W)求聯系數向量，再由V=QB?K求改正數K→V逐級回代04計算平差值計算平差值L?=L+V和HP1=HP1?+x，完成全部平差計算L?·HP1最終成果PrecisionEvaluation精度評定計算結果通過計算單位權方差估值和參數協因數陣，得到各待求量的中誤差，完成精度評定。精度結果表明P1點高程估值精確到毫米級別，驗證了附有參數條件平差在該水準網中的有效性和可靠性。水準網算例精度評定結果評定項目計算公式計算結果單位自由度c?t=3?12—單位權方差估值σ??2=V?PV/22.25mm2單位權中誤差σ??=√2.251.50mmH_P1協因數Q_xx=N?10.67—H_P1中誤差σ??·√Q_xx1.23mm精度評定結果表明P1點高程估值中誤差為1.23mm，滿足工程水準測量精度要求。ApplicationExpansion現代測繪領域的拓展應用附有參數條件平差的應用已從傳統水準網、三角網拓展到GNSS精密定位、變形監測和InSAR數據處理等現代測繪領域，其處理混合約束問題的核心能力使其成為多源觀測數據融合處理的重要數學工具。GNSS精密定位GNSS連續運行參考站CORS基站雙差觀測方程構成條件約束，