GNSS说第(七)讲---自适应动态导航定位(七)---抗差估计理论介绍

GNSS说第(七)讲—自适应动态导航定位(七)—抗差估计理论介绍
最小二乘(Least Squares,简称LS)估计理论在实践中有着广泛而成功的应用。当观测样本服从正态分布时,参数的最小二乘估计具有无偏、一致和有效性，而且最小二乘估计还具有明晰、直观的几何意义和简捷的计算方程式。但是,当观测值有悖于正态分布假设,样本遭受异常污染时,LS估计不具有抗干扰性,单个观测值的偏差都可能导致估计结果面目全非。
抗差估计(Robust Estimation,又称稳健估计)不像最小二乘法那样过分地追求估值的有效性和无偏性等内部性质,而是着力于估值的实际抗差性和可靠性。
“抗差估计”的含义是,当理论模型与实际模型有微小差异时,其估计方法的性能只受到微小的影响,即估计方法具有一定的“稳定性”。如若不然,则针对理论模型假设下的参数估值的优良性不仅没有实际意义,还可能导致使用者误入歧途。关于抗差估计的概念和任务已有描述(杨元喜,1994a)。
Huber曾提到抗差估计的三个主要目标(Huber，1964，1981):
(1）在所假定的模型下,估值具有合理的有效性(最优或接近最优)﹔
(2)当实际模型与假设的模型有微小差异时,其参数估值或统计方法(如估值的渐近方差或检验量的检验功效等)所受的影响也较小;
(3）当实际模型与假定模型有严重偏离时,其参数估值的性能仍能“过得去”(Hampel et al.,1986),或者说不致使参数估值受到破坏性影响。
Hampel 等提出了与之相类似的四个抗差估计目标:
(1）估值应最优地拟合于观测样本(数据群体);
(2〉估值方法应能识别异常值;
(3〉对于不平衡设计空间,估值方法应能识别强影响观测﹔
(4）估值方法应能处理与假设相关结构有偏离的数据。
在其他文献中,还有许多抗差估计目标,如高渐近相对效率(Relative Efficiency)或高绝对效率(Absolute Efficiency)等。但这些目标与前面提到的抗差目标相比要次要一些。

抗差估计在测绘界的应用及研究简况

测绘科学的发展与数学的发展紧密相连,抗差统计学的发展极大地推进了测量数据处理理论的发展。在测量数据处理中,现代粗差探测的研究成果较多,应用也较广泛。如 Baarda(1968),Koch(1996)、Kubik et al.(1982，1985),Cross et al.(1985)等的单个粗差和多个粗差数据探测法。在国内,粗差探测的研究也比较普及﹐如:选权迭代法进行粗差探测(李德仁,1984),未标定的粗差检验问题(陶本藻、王泽文,1990),可靠性指标研究(欧吉坤,1999b,1999c; Wang and Chen,1996),粗差拟准检定法(欧吉坤,1999;Gui et al.,2005)等。此外,对粗差修正与剔除也进行了探讨(宋力杰,杨元喜,1999a,1999b)。关于异常误差影响诊断与抗差估计的关系已有详细讨论(杨元喜,1994b)。
直到1980年抗差估计理论才被丹麦的Krarup和 Kubik 等人引入测量界(Krarup et al.，1980),提出了著名的“丹麦法”。Caspary和 Borutta(1987)也作了-一系列研究。国内测量抗差估计的研究基本上与国际同时起步,且研究成果具有一定深度和广度。如周江文(1989)提出的IGGI抗差估计方案,将权函数分成三段,正常段(主段)采用LS估计,可疑段(次段)采用L范数估计,对显著异常采用淘汰法,已引起许多学者的关注。
测量数据处理中的抗差估计的主要研究成果已被总结在《抗差估计理论及其应用》杨元喜，1993)和《抗差最小二乘法》(周江文等,1997)两本专著中。继IGGⅠ抗差估计方案(周江文，1989)之后,中国学者对抗差估计作了较全面的研究﹐如研究了参数平差、条件平差、混合平差模型的抗差解(杨元喜，1994c,1995a,1995d);提出了抗差估计IGGⅡ方案(周江文,王跃进，1992),重点解决参数初值的抗差性问题,即在抗差估计迭代计算前,必须先求出可靠的参数初值,以保证参数抗差估计解收敛到正确的极值点;提出了IGGⅢ抗差估计方案(杨元喜,1992c，1993;Yang,1994),即相关观测抗差估计方案,考虑观测向量的先验相关权矩阵构造抗差估计解﹔提出了三步抗差估计方案(欧吉坤,1996),即采用变常数法﹐提出强淘汰求参数初值,再辅以弱淘汰改善参数估值的效率;为了控制误差对抗差估计的影响,提出了有界影响抗差估计(杨元喜,1992b)和高崩溃污染率和高效抗差估计(杨元喜,1992d),以及自适应抗差最小二乘估计(杨元喜,1996);为了合理估计抗差估计解的验后精度,又研究了误差影响函数(杨元喜,1994 d);提出了基于误差影响函数的参数抗差解的验后协方差估计法(杨元喜,1992,1995 c;Yang,1997)及验后方差因子求解法(Yang,1997);秩亏模型的抗差估计也得到了研究(归庆明等，1998,2000;Gui ct al.,1998,1999, 2005b;杨元喜，1995b;陶本藻,唐欣勤，1999)。针对污染观测模型,P范分布参数估计(孙海燕,1995),基于验后方差的稳健估计(朱建军，1997),稳健二次估计(王新洲,1994)都有较丰富的研究成果。针对非线性模型的抗差估计也有人做了研究(彭军还,2003)。
针对IGGⅢ方案构造的相关等价权不对称问题,又相继提出了双因子方差膨胀抗差估计(杨元喜等，2001),双因子等价权模型(Yang et al.，2002),并证明了双因子方差膨胀抗差估计与双因子等价权模型的等价性(杨元喜等,2002)。
在动态数据处理方面,研究了抗差贝叶斯估计(Yang,1991),抗差拟合推估(Schaf-frin,1986;Yang,1992)和抗差Kalman滤波(杨元喜,1997; Wang and Kubik,1993),此外,还研究了秩亏模型的抗差Kalman滤波(Koch and Yang,1998),分析了多种抗差滤波的理论基础(杨元喜,1999),研究了序贯平差抗差估计(何海波,杨元喜,1998)等。
在应用方面,提出了高崩溃污染率坐标转换法(Yang,1999)、卫星激光测距系统误差抗差拟合法(Yang et al.,1999),海平面动态模型的抗差解(Yang et al.,1999),测量平差的有偏估计(Gui and Zhang,1998;隋立芬，1995)、,复测水准网拟稳抗差解法(杨元喜等,1996)、重力水准动态抗差解(张祖胜等,1996)。抗差估计也已成功地应用于地面网与空间网联合平差(杨元喜﹐2003c;杨元喜等,2003)、中国2000 GPS大地控制网(Yang et al.,2001a，2001b;杨元喜等,2002)、中国2000重力控制网(杨元喜等,2001)、卫星精密轨道抗差解(文援兰等,2001)、地心运动研究(郭海荣等,2003;杨元喜,郭海荣,2004)等。此外,还研究了抗差方差分量估计及其在GPS网平差中的应用(Yang et al.,2005)以及在卫星定轨中的应用(秦显平、杨元喜,2003)。对抗差估计在实际应用中可能存在的问题也作了分析(陶本藻,2000)。
抗差估计及其在大地测量及动态导航中的研究成果相当丰富,这里不可能-一一叙述,本章仅给出抗差估计的基本理论,为后续章节打下基础。

参数平差模型的抗差解

参数抗差解

参数估计的影响函数

抗差估计的验后方差-协方差估计

参数最小二乘估计及贝叶斯估计的验后协方差矩阵估计已有现成的理论和方法(Koch,1988,1990),然而参数抗差估计与LS估计不同,其参数估值的验后方差协方差估计的表达式及推演过程和方法也不同。因为在抗差估计条件下﹐观测量的权是观测误差的非线性函数v且权元素本身也是随机量,所以参数抗差估值的验后协方差矩阵一般不能通过方差-协方差传播定律推出。

双因子相关观测抗差估计理论

概述

相关观测异常诊断、质量控制是测量数据处理领域亟待解决的难题之一。本节分别从方差膨胀模型和相关权元素压缩模型入手介绍了相关观测的质量控制理论和方法;给出了误差影响函数;构造了方差膨胀函数和权因子收缩函数;利用观测量的等价协方差矩阵和等价权矩阵讨论了相关观测抗差估计的计算方法。该等价协方差矩阵和等价权矩阵不仅保持了原有协方差矩阵和权矩阵的对称性,而且保持了原有协方差矩阵的相关性不变。计算结果表明异常观测的方差膨胀法和等价权法能有效地控制异常观测对参数估值的影响。
在最小二乘估计准则下,相关观测可以等价地转换成独立观测进行参数估计。但是对于粗差诊断和抗差估计,这种转换也会引起异常误差转移,最终导致异常诊断失误及抗差估计失效。基于抗差M估计原理研究相关观测的抗差估计才刚刚起步。Xu(1989)讨论了相关观测抗差估计的残差非线性迭代法。杨元喜(1993,1994)应用相关等价权原理构造了类似于相关最小二乘估计的相关抗差估计解式，称为IGGⅢ方案。这种相关观测抗差估计计算简单,误差分析直观,质量控制有效。但IGGⅢ方案的相关等价权函数强调了权函数的抗差能力,并未考虑等价权矩阵的对称性。这种非对称性尽管只是局部的(因为含异常的观测量一般较少)，但由此构造的法矩阵和验后方差-协方差矩阵也有轻微的不对称,从而不能充分利用对称矩阵的特性减少法方程解算量和矩阵元素的存储量。基于此,我们又提出了一种简单的,但不太严格的补救方案(吴江飞,杨元喜,2001),即只求等价权矩阵的下三角矩阵元素﹐而上三角矩阵元素强行要求与下三角元素对称。刘经南等(2000)研究了等价协方差矩阵法﹐该方法不仅可以控制观测异常的影响,而且保持了原有观测的相关性不变。我们曾将相关观测异常误差污染模型进行了归纳(杨元喜,2004),为相关观测抗差估计的研究打下了基础。下面介绍的是双因子方差膨胀模型(杨元喜等,2001)和双因子等价权模型(Yang et al.,2002),并证明了它们之间的等价性(杨元喜等,2002)。

异常观测方差膨胀模型

基于这一事实,可以通过适当扩大异常观测的方差以降低异常观测对参数估值的影响。但是,相关观测的方差膨胀,不能只考虑方差元素。相关观测向量本身是一个整体,各元素之间的相关性一般是验前固有的。这种相关性通常来自于观测的几何结构或物理结构的关联,或来自于先验统计信息的关联，于是异常观测的方差膨胀应顾及与之相关联的协方差元素的调整,以使其膨胀后的方差和协方差仍保持原有的相关系数不变。
我们可将降权函数(如Huber,IGGIII)的倒数定义为方差膨胀因子函数。有些降权函数存在0值,此时方差膨胀因子应为∞，实际计算时可用一个较大的正数来代替。
基于方差膨胀模型构制的相关观测抗差估计算法具有如下特点:
(1）方差膨胀系数为一连续函数,它可光滑地抑制异常观测的影响,因方差膨胀函数-一般不会为×o,故基于方差膨胀模型构制的参数解式不删除任何异常观测信息。但由于测量数据总是取到有限小数位,当方差膨胀系数足够大时,异常观测信息实际上对参数估值已不起作用。

双因子等价权模型

当观测值无异常时,等价权等于原始权﹐即当观测无异常干扰时,参数的抗差估计与参数常规最小二乘估式一致。这说明参数抗差估计不损失任何可靠的观测信息。
需要注意，任何一种抗差估计方法的实际抗差能力都是有一定条件的,如粗差个数过多,或位置过于集中,或粗差的绝对值较小等,抗差估计结果往往都不够理想。双因子抗差估计也不例外。限于篇幅,本文不详细讨论此问题。
方差膨胀因子和降权因子的选择具有较大的灵活性,膨胀因子和降权因子的临界值可根据实际情况调整。