水准网间接平差程序设计c++_测量平差与非线性优化 1

f709b5390231290aa40c2e0fc947c3f4.png

好久不接触测量平差,都快忘了,下面写个极不严谨的答案,顺便温习一下。

个人感觉条件平差,间接平差,附有参数的条件平差,附有限制条件的间接平差,这些都只是为了方便传统测绘计算搞出来的方法,不是本质。其实一个间接平差(定好待估参数,解最小二乘)就够用了。不过对于本科的考试有时候条件平差更容易手算一点。【总感觉测绘的平差教学有点跟不上时代,而且在自己的小圈子里钻牛角尖,可能是因为自己只学了皮毛】


在测量误差服从高斯分布的假设下,可以证明未知参数的最大似然估计就是所谓的最小二乘解

equation?tex=x_%7BMLE%7D%5E%7B%2A%7D%3Dargmin+V%5E%7BT%7DPV (观测值与估计值之差
equation?tex=V 的加权平方和最小)。这个
equation?tex=P 是未知参数的权阵(或者叫信息矩阵)。

对于一个线性系统 ,有超定方程(即有多余观测)

equation?tex=Ax%3Db ,此时
equation?tex=V%3DAx-b , 其最小二乘解为
equation?tex=x%5E%7B%2A%7D%3D%28A%5E%7BT%7DA%29%5E%7B-1%7DA%5E%7BT%7Db 【对最小二乘目标函数
equation?tex=V%5E%7BT%7DV 求导或者直接用子空间投影就可以得到上式】,带权的时候为
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值