Lec06附有未知参数的条件平差

Lec06附有未知参数的条件平差误差理论与测量平差基础·第六讲Contents课程目录最小二乘法理论基础与工程实践应用的系统学习路径01基本概念与应用背景02数学模型的建立与线性化03最小二乘准则与法方程求解04精度评定方法05典型算例与工程应用CHAPTER01基本概念与应用背景理解附有参数条件平差的定位、动机与适用场景METHODSYSTEM测量平差方法体系概览经典测量平差包含四种基本方法，它们以函数模型的不同选择为核心区分。附有参数的条件平差位于条件平差与间接平差之间，是一种兼具两者特点的广义平差方法，当参数个数取极端值时可退化为纯条件平差或间接平差。条件平差仅建立观测量之间的条件方程，不引入未知参数，方程个数等于多余观测数r适用于条件关系容易列出的简单网形，如单一闭合水准路线、简单三角形网r个方程附有参数的条件平差在条件方程基础上引入u个独立未知参数（u<t），方程个数为r+u兼具条件平差与间接平差的特点，是本次课程的核心内容，解决实际中的混合约束问题r+u个方程间接平差选定t个独立参数，将每个观测量表达为参数的函数，建立n个误差方程是当前最常用的平差方法，误差方程形式规律性强，便于编程实现n个方程ADJUSTMENTTHEORY附有参数条件平差的基本思想附有参数的条件平差是条件平差与间接平差的有机结合体，通过在条件方程中引入u个独立非观测量作为未知参数，解决了观测值存在条件约束同时需估计未知参数的混合问题，是平差方法体系中具有统一性的广义模型。01核心思想在条件方程中引入u个独立未知参数（0<u<t），使条件方程既包含观测量又包含未知参数02与条件平差的关系当参数个数u=0时，附有参数的条件平差退化为纯条件平差，是其特殊情形03与间接平差的关系当参数个数u等于必要观测数t时，可转化为间接平差，具有方法论上的统一性04独立性要求所选u个参数之间不存在确定的函数关系，保证参数估计的可解性与唯一性ApplicationScenarios三类典型应用场景附有参数条件平差主要应用于观测值存在条件约束且同时需估计非观测量参数的场景，涵盖水准网高程估计、三角网系统误差修正和GNSS大气延迟求解三大领域，是处理混合约束问题的核心工具。水准网平差01水准网中存在多条闭合路线的几何条件约束，同时需要将部分结点高程作为未知参数参与平差02适用于区域水准网中既有闭合差条件、又有待定点高程需要估计的复杂网形结构高程估计三角网平差01三角网中三角形内角和条件构成几何约束，同时存在仪器系统误差或折光系数等物理参数需估计02当条件方程难以全部列出时，引入部分非观测量作为参数可使问题化繁为简误差修正GNSS定位解算01GNSS双差观测方程构成条件约束，同时需要估计对流层延迟、电离层参数等大气改正量02在精密定位与变形监测中，将模糊度参数和大气参数引入条件方程进行联合平差大气延迟ADJUSTMENTTHEORY引入未知参数的核心动机引入未知参数的动机可归纳为三类：求解非观测量的估值与精度、简化难以直接列出的条件方程、以及实现分区计算等策略性目标。这使得附有参数条件平差在实际工程中的适用范围远超纯条件平差。01需要同时求得非观测量（如待定点坐标、物理参数）的估值及其精度，仅靠纯条件平差无法直接实现02某些复杂网形中条件方程难以全部用观测量列出，引入适当参数可使条件方程建立变得可行和简洁03策略性考量——引入参数可实现平差计算的分区处理，便于大规模控制网的分组并行计算与质量检核大地测量控制网实地标石与观测设施CHAPTER02数学模型的建立与线性化从条件方程一般形式到线性化基础方程的完整推导MathematicalFoundation条件方程的一般形式附有参数的条件方程以F(L̂,X̂)=0为一般形式，同时包含n个观测值的改正数V和t个未知参数X̂，共c个方程，构成了后续线性化与法方程推导的出发点。符号体系的清晰定义是正确建模的前提。01观测值与改正数：观测值向量L为n×1列向量，改正数向量V为n×1，平差值L̂=L+V；未知参数向量X̂为t×1列向量02方程结构：条件方程个数c通常满足c>t，附有参数的条件方程表示为F(L̂,X̂)=0，是c维向量函数03混合不定方程组：该方程同时包含观测值改正数V和未知参数X̂，本质上是一个混合型不定方程组，需引入最小二乘准则求唯一解04线性化处理：函数F一般为非线性形式，需要在近似值处进行泰勒展开线性化处理后才能进行矩阵运算求解LINEARIZATION泰勒展开与线性化过程通过在近似值处进行泰勒展开并保留一次项，非线性的条件方程F(L̂,X̂)=0被线性化为BV+Ax+W=0，其中B、A分别为偏导数矩阵，W为闭合差向量。泰勒展开在近似值L₀和X₀处展开：F(L,X)≈F(L₀,X₀)+(∂F/∂L)·V+(∂F/∂X)·x=0F≈F₀+BV+AxB矩阵条件方程对观测值的偏导数矩阵，反映每个条件方程对各观测值的敏感程度c×nA矩阵条件方程对参数的偏导数矩阵，反映每个条件方程对各未知参数的敏感程度c×t闭合差WW=F(L₀,X₀)，用近似值代入条件方程后得到的不符值向量c×1核心方程线性化基础方程是附有参数条件平差的核心，后续法方程均由此导出BV+Ax+W=0StochasticModel随机模型与权阵定义测量平差的完整数学模型由函数模型和随机模型共同构成。随机模型通过协方差阵D=σ₀²Q或权阵P=Q⁻¹描述观测值的精度特征，四种经典平差方法共享同一随机模型，仅在函数模型上有所不同。协方差阵观测向量的协方差阵D=σ₀²Q，其中σ₀²为单位权方差，Q为协因数阵，反映观测值的绝对精度D=σ₀²Q权阵权阵P定义为协因数阵的逆P=Q⁻¹，反映各观测值之间的相对精度关系，是平差计算的核心输入P=Q⁻¹模型构成函数模型与随机模型共同构成完整平差数学模型，四种平差方法的随机模型相同，仅函数模型不同共享随机模型定权规则等精度观测时P为单位阵，不等精度时P为对角阵，相关观测时P为满阵，需根据实际定权按实际定权MatrixReference关键矩阵定义与维度汇总线性化后的附有参数条件平差涉及六个核心矩阵，它们的维度关系严格受c=r+u、观测数n和参数数t的约束。符号维度定义与含义Bc×n条件方程对观测值的偏导数矩阵，反映条件方程对各观测值的线性化系数Ac×t条件方程对参数的偏导数矩阵，反映条件方程对各未知参数的线性化系数Vn×1观测值改正数向量，待求量，表示各观测值需施加的修正xt×1未知参数改正数向量，待求量，X̂=X₀+xWc×1闭合差向量，W=F(L₀,X₀)，近似值代入后的不符值Pn×n权阵，P=Q⁻¹，反映观测值的相对精度关系维度关系满足c=r+u的约束条件，其中c为条件方程数，r为多余观测数，u为参数个数CHAPTER03最小二乘准则与法方程求解拉格朗日乘数法推导法方程，分步求解改正数与参数估计值OPTIMIZATIONCRITERION最小二乘准则与优化问题表述附有参数条件平差的本质是一个带约束的优化问题：在满足条件方程BV+Ax+W=0的前提下，使目标函数Φ=VᵀPV取最小值。由于方程组不定（c<n+t），最小二乘准则提供了选取唯一最优解的标准。最小二乘准则在满足条件方程BV+Ax+W=0的所有可能解中，选取使VᵀPV=min的唯一解VᵀPV=min物理意义使改正数的加权平方和最小，即在满足条件约束的前提下尽可能少地修改原始观测值加权平方和不定方程组特征未知数个数n+t，方程个数c，因c<n+t故有无穷多组解，需准则约束c<n+t权阵P的作用反映观测值精度差异，高精度观测值的改正数被赋予更大惩罚，迫使平差结果更信赖精密观测精度差异LAGRANGIANMETHOD拉格朗日函数的构造通过引入c×1联系数向量K作为拉格朗日乘子，将带约束优化问题转化为无约束优化问题。拉格朗日函数Φ=VᵀPV-2Kᵀ(BV+Ax+W)将目标函数与条件约束统一表达，后续通过对V、x、K分别求偏导获得完整的求解方程组。构造拉格朗日函数构造Φ=VᵀPV-2Kᵀ(BV+Ax+W)，将目标函数与约束条件统一表达为单一函数形式，实现优化问题的结构化整合。统一表达联系数向量K联系数向量K（c×1）充当拉格朗日乘子角色，将条件约束信息有效"注入"到目标函数中，建立约束与优化的桥梁。拉格朗日乘子系数-2的设定系数-2的选取旨在使后续求导结果更加简洁规整，消除分母系数，不改变优化问题的本质与最优解。求导简洁无约束极值转化将带约束的n+t维优化问题转化为对V、x、K三个变量分别求偏导的无约束极值问题，简化求解过程。n+t维DERIVATION求偏导得到三个关键方程对拉格朗日函数分别关于V、x、K求偏导并令为零，得到三个方程：V=QBᵀK建立了改正数与联系数的关系；AᵀK=0是参数的附加约束；BV+Ax+W=0即条件方程本身。三者构成完整的求解方程组。01对V求偏导∂Φ/∂V=2PV−2BᵀK=0→PV=BᵀK→V=P⁻¹BᵀK=QBᵀK02对x求偏导∂Φ/∂x=−2AᵀK=0→AᵀK=0，联系数K位于A的零空间中03对K求偏导∂Φ/∂K=−2(BV+Ax+W)=0→BV+Ax+W=0，即条件方程本身04联立方程组V=QBᵀK·AᵀK=0·BV+Ax+W=0，三式联合构成后续推导法方程的完整基础附有参数条件平差法方程的推导与分块矩阵形式将V=QBᵀK代入条件方程并定义NBB=BQBᵀ，结合AᵀK=0，得到法方程的分块矩阵形式。该(c+t)阶对称方程组是附有参数条件平差的核心计算环节。STEP01·定义定义NBB=BQBT（c×c对称矩阵），代入得第一个法方程：NBB·K+Ax+W=0STEP02·联立结合ATK=0作为第二个法方程，两者联立构成完整法方程组STEP03·分块写成(c+t)阶分块矩阵形式，左上块NBB反映条件方程内部关系，右下块为零矩阵BlockMatrixFormNBBAAT0·Kx=−W0c×cc×t——NBB—条件方程内部关系0—参数约束结构Symmetricsystemoforder(c+t)SOLUTIONSTRATEGIES法方程的两种求解策略法方程的分块矩阵结构提供了两种求解路径：消元法通过逐步代入将(c+t)阶方程组降为t阶方程Nx=-AᵀN_BB⁻¹W，计算效率高；直接求逆法一次解出所有未知量，概念简洁但数值稳定性较差。工程实践中消元法更为常用。方法一：消元法推荐由第一方程解出K=-N_BB⁻¹(Ax+W)，代入第二方程AᵀK=0消去K定义N=AᵀN_BB⁻¹A（t×t对称阵），得到t阶方程Nx=-AᵀN_BB⁻¹W先解x再回代求K，避免(c+t)阶大矩阵求逆，数值稳定性好，适合编程实现t阶降维方法二：直接求逆法若法方程系数矩阵非奇异，直接对其求逆一次性解出[K;x]向量概念直观简洁，适用于c和t均较小、矩阵条件数良好的情形当c+t较大时矩阵求逆的数值误差可能累积，需配合条件数检查使用(c+t)阶全解CALCULATIONWORKFLOW完整计算步骤总结附有参数条件平差的计算流程由四个有序步骤组成：解法方程求参数改正数→回代求联系数→计算改正数→求平差值。各步骤严格依赖前序结果，形成从法方程到最终平差值的完整计算链条。01STEP解法方程求参数改正数计算NBB=BQBT和N=ATNBB−1A，解t阶法方程Nx=−ATNBB−1W得参数改正数xNx=−ATNBB−1W02STEP回代求联系数向量由K=−NBB−1(Ax+W)回代计算c×1联系数向量KK∈ℝc×103STEP计算观测值改正数由V=QBTK计算n×1观测值改正数向量VV∈ℝn×104STEP求平差值观测值平差值L̂=L+V，参数估计值X̂=X₀+xL̂,X̂COMPARATIVEANALYSIS三种平差方法关键特征对比三种平差方法在方程个数、未知量类型、自由度等维度存在系统性差异。附有参数条件平差的自由度c-t介于条件平差(r)和间接平差(n-t=r)之间，参数个数u的增加会相应减少自由度，体现了约束条件与自由度之间的此消彼长关系。条件平差、附有参数条件平差与间接平差对比对比维度条件平差附有参数条件平差间接平差函数模型条件方程含参数的条件方程误差方程（观测方程）方程个数r（多余观测数）c=r+un（观测总数）未知量仅改正数V改正数V+参数x仅参数x自由度rc-tn-t=r参数个数u=00<u<tu=t法方程阶数r×r(c+t)×(c+t)t×t附有参数条件平差在方程个数和自由度上介于条件平差与间接平差之间，是两种经典方法的广义统一形式CHAPTER04精度评定方法单位权方差估值、参数与观测值平差值的协因数阵推导精度评定单位权方差估值单位权方差估值σ̂₀²=VᵀPV/(c-t)是精度评定的基础，其自由度c-t反映了条件方程数与未知参数数的净差值。计算公式σ̂₀²=VᵀPV/(c-t)，VᵀPV为改正数加权平方和，c-t为自由度。该公式是精度评定的核心表达式，通过残差分析确定观测值的可靠性水平。VᵀPV/(c-t)自由度分析c为条件方程个数，t为未知参数个数，每引入一个参数减少一个独立条件。自由度决定了估值的统计分布特性，是假设检验的重要依据。c−t平差对比纯条件平差自由度为r，附有参数时自由度降为c-t，体现参数估计对信息的影响。参数越多，用于精度评定的独立信息越少，估值不确定性增大。r→c−t前提条件c-t>0时估值才有统计意义，即须存在多余观测，c-t越大估值越可靠。充足的自由度保证χ²分布近似成立，使假设检验具有足够的检验效能。c−t>0CovarianceAnalysis参数协因数阵与协方差阵参数协因数阵Qxx=N⁻¹=(AᵀNBB⁻¹A)⁻¹可从法方程系数矩阵逆矩阵的右下子块提取，其精度同时受条件方程对参数的灵敏度(A)和观测值精度传递效果(NBB)的共同影响。01设法方程分块矩阵的逆为[Q₁₁,Q₁₂;Q₂₁,Q₂₂]，参数协因数阵Qxx即为右下子块Q₂₂Q₂₂02推导结果：Qxx=N⁻¹=(AᵀNBB⁻¹A)⁻¹，其中NBB=BQBᵀ反映观测精度在条件方程中的传递N⁻¹03参数协方差阵Dxx=σ̂₀²·Qxx，对角线元素为各参数的方差，非对角线元素为参数间的协方差σ̂₀²04精度取决于A矩阵（条件方程对参数的灵敏度）和NBB（观测精度信息）的综合效果A·NBB精度分析观测值平差值的精度评定观测值平差值L̂的协因数阵通过协因数传播律从改正数V的表达式导出，其精度受权阵Q、条件方程系数矩阵B和A以及法方程逆矩阵的共同影响。01由L̂=L+V可知QL̂L̂=QVV，改正数协因数阵即平差值协因数阵QL̂L̂=QVV02QVV通过协因数传播律从V=QBᵀK导出，涉及B、Q和法方程逆矩阵的复合运算V=QBᵀK03实际工程中通常仅对关键观测值或平差值函数进行精度评定，避免全矩阵计算的冗余关键量优先04平差值函数精度评定：对F(L̂)应用协因数传播律，QFF=(∂F/∂L̂)·QL̂L̂·(∂F/∂L̂)ᵀQFF精度评定精度评定核心公式汇总精度评定涉及单位权方差估值、参数协因数阵、参数协方差阵和平差值协因数阵四个核心公式，它们依次依赖、层层递进，构成从整体精度到个别参数精度的完整评定体系。附有参数条件平差精度评定公式一览评定项目计算公式结果维度关键说明单位权方差估值σ̂₀²=VᵀPV/(c−t)标量自由度c−t须大于零参数协因数阵Q_xx=(AᵀN_BB⁻¹A)⁻¹t×t法方程系数矩阵逆的右下子块参数协方差阵D_xx=σ̂₀²·Q_xxt×t对角线元素为各参数方差平差值协因数阵Q_L̂L̂=Q_VV（协因数传播律）n×n通过V的表达式传播得到四个精度评定公式依次依赖，从整体精度（单位权方差）到个别精度（参数/平差值协方差）形成完整体系CHAPTER05典型算例与工程应用通过完整算例演示从建模到求解再到精度评定的全流程CASESTUDY水准网算例：问题定义以包含1个已知点和3个待定点的水准网为例，5段高差观测构成n=5、t=3、r=2的基本框架。选择P1点高程作为未知参数(u=1)，则条件方程数c=r+u=3，展示了附有参数条件平差在简单网形中的具体应用。NETWORKDIAGRAM已知点A（高程100.000m）与待定点P1、P2、P3构成闭合水准网•路线1：A→P1（观测h₁）•路线2：P1→P2（观测h₂）•路线3：P2→P3（观测h₃）•路线4：P3→A（观测h₄，闭合环）•路线5：P1→P3（观测h₅，对角线）OBSERVATIONSh₁(A→P1)·h₂(P1→P2)·h₃(P2→P3)·h₄(P3→A)·h₅(P1→P3)NETWORK已知点A高程HA=100.000m，待定点P1、P2、P3高程未知，共5段水准路线观测观测数n=5，必要观测数t=3（3个待定点高程），多余观测数r=n−t=2EQUATIONS选择P1点高程HP1作为未知参数（u=1），使部分条件方程更容易列出条件方程个数c=r+u=3，含2条闭合路线条件和1个含参数的辅助条件权阵按路线长度定权：Pi=C/SiLevelingNetwork·ConditionalAdjustment条件方程的建立与矩阵表达水准网的三个条件方程分别来自闭合环条件、含参数的高程约束条件和辅助路线条件，写成矩阵形式BV+Ax+W=0后，B矩阵反映各条件方程对观测值的系数关系，A矩阵反映对未知参数H_P1的系数关系。EQ.1闭合环条件v1+v2+v3+v4+W1=0闭合差W1=h1+h2+h3+h4EQ.2参数约束条件v1−x+W2=0高程不符值W2=HA+h1−HP10EQ.3辅助路线条件v5−v2−v3+W3=0第二条路线闭合差W3=h5−h2−h3MatrixFormBV+Ax+W=0B11110100000−1−1013×5A0−103×1V5×1改正数x标量参数改正数ComputationProcess法方程求解与数值计算按照四步计算流程，先求NBB=BQBᵀ（3×3阵）和N=AᵀNBB⁻¹A（标量），再解出参数改正数x后回代求联系数K和改正数V。数值计算过程中需注意矩阵运算的维度匹配和舍入误差控制。01构造NBB矩阵计算NBB=BQBᵀ得到3×3对称矩阵，求其逆矩阵NBB⁻¹3×3对称矩阵02解参数改正数x计算N=AᵀNBB⁻¹A（标量），解x=N⁻¹(−AᵀNBB⁻¹W)得参数改正数Scalar标量运算03回代求改正数V回代K=−NBB⁻¹(Ax+W)求联系数向量，再由V=QBᵀK求改正数K→V逐级回代04计算平差值计算平差值L̂=L+V和HP1=HP1⁰+x，完成全部平差计算L̂·HP1最终成果PrecisionEvaluation精度评定计算结果通过计算单位权方差估值和参数协因数阵，得到各待求量的中误差，完成精度评定。精度结果表明P1点高程估值精确到毫米级别，验证了附有参数条件平差在该水准网中的有效性和可靠性。水准网算例精度评定结果评定项目计算公式计算结果单位自由度c−t=3−12—单位权方差估值σ̂₀²=VᵀPV/22.25mm²单位权中误差σ̂₀=√2.251.50mmH_P1协因数Q_xx=N⁻¹0.67—H_P1中误差σ̂₀·√Q_xx1.23mm精度评定结果表明P1点高程估值中误差为1.23mm，满足工程水准测量精度要求。ApplicationExpansion现代测绘领域的拓展应用附有参数条件平差的应用已从传统水准网、三角网拓展到GNSS精密定位、变形监测和InSAR数据处理等现代测绘领域，其处理混合约束问题的核心能力使其成为多源观测数据融合处理的重要数学工具。GNSS精密定位GNSS连续运行参考站CORS基站双差观测方程构成条件约束，