潘 軼，岳建平，劉 斌

（1.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098）

病態(tài)矩陣參數(shù)估計的改進主元加權(quán)迭代算法

潘 軼1，岳建平1，劉 斌1

（1.河海大學(xué) 地球科學(xué)與工程學(xué)院，江蘇 南京 210098）

傳統(tǒng)測繪數(shù)據(jù)處理中矩陣求逆的準確性極大地影響最終解算精度。針對測量數(shù)據(jù)處理常遇到的病態(tài)矩陣求逆不穩(wěn)定，導(dǎo)致精度顯著降低等問題，提出一種改進的主元加權(quán)迭代法的病態(tài)矩陣處理算法。該算法結(jié)合傳統(tǒng)主元加權(quán)迭代法精度高、誤差轉(zhuǎn)移法穩(wěn)定性好的優(yōu)點，先將誤差從解向量轉(zhuǎn)至中間變量，再利用主元加權(quán)迭代法求解中間變量，實現(xiàn)更高精度的解算結(jié)果。實驗表明，改進算法在良態(tài)矩陣法方程中解算結(jié)果與傳統(tǒng)方法一致，在病態(tài)矩陣中改進算法精度更高。

參數(shù)估計；病態(tài)矩陣；改進主元加權(quán)迭代；誤差轉(zhuǎn)移

一直以來，病態(tài)問題存在于測繪領(lǐng)域的方方面面，比如控制網(wǎng)平差、坐標轉(zhuǎn)換、GPS快速定位計算、形變分析、大地測量反演、衛(wèi)星重力向下延拓、航天飛行器的精密軌道解等[1]。在這些測量數(shù)據(jù)的處理中，病態(tài)矩陣求逆的不穩(wěn)定性導(dǎo)致最終解算精度顯著降低，該問題亟待解決。針對測繪領(lǐng)域中的病態(tài)問題，國內(nèi)外學(xué)者做過一系列研究，并取得相應(yīng)成果。王樂洋等[2]采用嶺估計法處理加權(quán)總體最小二乘平差的病態(tài)性問題；郭海濤等[3]提出利用廣義嶺估計解決單線陣CCD衛(wèi)星影像外方位元素解算中法方程病態(tài)問題，該方法簡便、穩(wěn)定；Gui Q M等[4]提出基于奇異值分解的有偏估計，并將其應(yīng)用于大地測量病態(tài)問題中；Wang Z[5]先基于Tikhonov正則化法選擇合適的正則化矩陣R 削弱法方程病態(tài)，再結(jié)合 Lambda方法確定整周模糊度，得到一種解決單頻接收機快速定位系統(tǒng)中病態(tài)問題的新算法。Vajargah等[6]利用遺傳算法找到2個可逆對角陣，并將其條件數(shù)縮放至最小，降低病態(tài)程度。王永弟等[7]先使用主元加權(quán)進行預(yù)處理，再構(gòu)造迭代公式迭代處理病態(tài)問題，大大提高解的精度。胡圣榮等[8]提出了誤差轉(zhuǎn)移法，將誤差從解向量轉(zhuǎn)移到中間變量，提高解的精度與穩(wěn)定性。

本文將誤差轉(zhuǎn)移法與主元加權(quán)迭代法相結(jié)合，研究了一種新算法。在矩陣分別為良態(tài)和病態(tài)情況下，將其應(yīng)用效果與其他算法如高斯約化法、傳統(tǒng)主元加權(quán)迭代法進行對比分析，得出結(jié)論。

1 改進主元加權(quán)迭代法原理

1.1 傳統(tǒng)主元加權(quán)迭代法

一般情況下，參數(shù)估計線性化后的方程組的形式如下：

式中，A為系數(shù)矩陣；b為常數(shù)項；x為所求解向量。若令α為權(quán)因子，E為n階單位矩陣，則傳統(tǒng)主元加權(quán)法將式（1）左右兩端各加上ax，得：

通常根據(jù)條件數(shù)的大小衡量線性方程組的病態(tài)程度：系數(shù)矩陣A的條件數(shù)越大，方程組病態(tài)程度越大。根據(jù)文獻[9]可得，對于正定對稱矩陣A，當(dāng)α＞0時，則cond（A+αE）＜cond（A）。其中cond表示條件數(shù)。將式（1）變換為式（2），減小了條件數(shù)，從而減輕了線性方程組的病態(tài)程度。

因式（2）兩端都含有解x，可構(gòu)造迭代公式：

1.2 改進主元加權(quán)迭代法

傳統(tǒng)主元加權(quán)迭代法精度已經(jīng)很高，為了進一步提高解算結(jié)果的精度與穩(wěn)定性，本文在傳統(tǒng)主元加權(quán)迭代法的基礎(chǔ)上引入誤差轉(zhuǎn)移法，得到一種新的病態(tài)矩陣處理算法——改進主元加權(quán)迭代法。顯然，對病態(tài)方程組 Ax = b直接求解時，解x誤差太大。本文算法先引入C，變換式（1），得到：

其中，C為n×n非奇異矩陣。根據(jù)式（4），求解出的解向量y誤差雖大，但通過式（5）能夠得到誤差很小的解x：

簡而言之，這一步驟將誤差體現(xiàn)在中間變量y上而避開解x，即將解x的誤差轉(zhuǎn)移到y(tǒng)上，提高了解x的精度。文獻[6]中取C = AT實際效果較好。再在變換后的方程組式（4）左右兩端各加上αx，得：

再根據(jù)迭代公式

求解，得到中間變量y。最后通過式（5）得到更精確的解x。

本文結(jié)合誤差轉(zhuǎn)移與主元加權(quán)迭代法，得到一種改進的主元加權(quán)迭代法。即先將x替換為Cy，利用主元加權(quán)迭代法求解ACy = b，得到中間向量y；再由x=Cy得到解x。該方法在主元加權(quán)迭代法的基礎(chǔ)上，加入誤差轉(zhuǎn)移，進一步提高了解的精度與穩(wěn)定性。該方法在Mmatlab中的解算步驟如下：

1）選取C，變換Ax=b為ACy=b；

2）選取α，選取初始點y（0），利用三角分解法求解（AC+αE）y（1）= b+ αy（0），得到y(tǒng)（1）；

3）進入循環(huán)，計算r（k）= b - AC y（k）；

4）求解（AC+αE）e（k）= r（k）；

5）計算y（k+1）= y（k）+e（k）；

7）計算x=Cy，得到解向量x。該方法的流程圖如圖1所示。

圖1 改進主元加權(quán)迭代法

2 算例分析

下面就各方程組分別為良態(tài)和病態(tài)2種情況下，利用高斯約化法、主元加權(quán)迭代法、改進主元加權(quán)迭代法3種方法進行求解，并對解的結(jié)果進行對比分析。

2.1 良態(tài)線性方程組求解

某三角網(wǎng)坐標平差的法方程如式（8）所示[10]：

式（8）的系數(shù)矩陣A的條件數(shù)為2.714 7，該線性方程組為良態(tài)方程組。利用高斯約化法、主元加權(quán)迭代法、改進主元加權(quán)迭代法3種方法分別對其進行求解，計算結(jié)果如表1所示。

表1 計算結(jié)果

由表1中的計算結(jié)果可知，當(dāng)線性方程組為良態(tài)時，無論是主元加權(quán)迭代法，還是本文中的改進主元加權(quán)迭代法，計算結(jié)果都與高斯約化法相同。

2.2 病態(tài)線性方程組求解

為了證明本文方法的通用性，選取文獻[11]中一個例子：

其中，式（9）的系數(shù)矩陣的條件數(shù)為15 514，該線性方程組為病態(tài)方程組。本例的精確解為[x1x2x3x4]T= [1 1 1 1]T。對常數(shù)項進行擾動，取為[2.083 3 1.283 3 0.950 0 0.797 5]T。利用高斯約化法、主元加權(quán)迭代法、改進主元加權(quán)迭代法3種方法對方程組（9）進行求解，計算結(jié)果如表2所示。

由表2中的計算結(jié)果可知，當(dāng)線性方程組為病態(tài)時，高斯約化法、主元加權(quán)迭代法、改進加權(quán)迭代法3種方法參數(shù)真值與估值之差的范數(shù)分別為 202.000 0、0.186 7和0.117 5。相對于高斯約化法，利用主元加權(quán)迭代法與改進加權(quán)迭代法得到的計算結(jié)果精度大大提高；相對于主元加權(quán)迭代法，使用本文中的改進主元加權(quán)迭代法獲得的計算結(jié)果精度更高。

表2 計算結(jié)果1

為了進一步證明本文方法在測量數(shù)據(jù)處理中的作用，再選取文獻[12]中一個例子。該算例的設(shè)計陣與觀測值如表3所示。

表3 設(shè)計陣與觀測值

其中，法矩陣ATA的條件數(shù)為1.794×104，易得ATAx=ATl為嚴重病態(tài)線性方程組。該病態(tài)線性方程組有3個未知數(shù)，其精確解為

利用高斯約化法、主元加權(quán)迭代法、改進主元加權(quán)迭代法3種方法對病態(tài)線性方程組ATAx=ATl進行求解，計算結(jié)果如表4所示。

表4 計算結(jié)果2

由表4中的計算結(jié)果可知，當(dāng)線性方程組為病態(tài)時，高斯約化法、主元加權(quán)迭代法、改進加權(quán)迭代法3種方法參數(shù)真值與估值之差的范數(shù)分別為3.219 6，0.070 8和0.069 5。相對于高斯約化法，利用主元加權(quán)迭代法與改進加權(quán)迭代法得到的計算結(jié)果精度得到較大提高；相對于主元加權(quán)迭代法，使用本文中的改進主元加權(quán)迭代法獲得的計算結(jié)果精度更高。

通過以上3個算例可得，無論是在線性方程組為良態(tài)還是病態(tài)時，利用改進主元加權(quán)迭代法求解的結(jié)果都非常接近真值。相對于傳統(tǒng)算法，本文中的主元加權(quán)迭代法的求解精度有一定的提高。

3 結(jié) 語

病態(tài)模型的求解一直是測繪領(lǐng)域中常常遇到的問題。相對于傳統(tǒng)算法，本文提出一種改進主元加權(quán)迭代法，并分別在方程組為良態(tài)和病態(tài)時，將其應(yīng)用效果與高斯約化法、主元加權(quán)迭代法進行對比分析。計算結(jié)果表明，本文算法適用性強、求解精度高。但本文只將該算法與個別算法進行比較，與其他算法的對比還有待研究。

[1] 王振杰,歐吉坤.大地測量中不適定問題的正則化解法研究[D].北京：中國科學(xué)院研究生院,2003

[2] 王樂洋,許才軍,魯鐵定.病態(tài)加權(quán)總體最小二乘平差的嶺估計解法[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2010,35(11)：1 346-1 350

[3] 郭海濤,張保明,歸慶明.廣義嶺估計在解算單線陣CCD衛(wèi)星影像外方位元素中的應(yīng)用[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2003,28(4)：444-447

[4] GUI Q M, GUo J F, oU J K. Biased Estimation Based on SVD and Its Application in Geodetic Adjustment[J].Bollettino di Geodesia e Science Aiffni,2002(61)：99-106

[5] WANG Z. A New Approach to Ill-conditioned Problems in Rapid Positioning Using Single Frequency GPS Receivers (IoN GPS/GNSS 2003) [A]//Proceedings of International Technical Meeting of the Satellite Division of the Institute of Navigation [C]. Portland, oR： oregon Convention Center, 2003. 1 229-1 239

[6] VAJARGAH B F, MoRADI M. Diagonal Scaling of Ill-Conditioned Matrixes by Genetic Algorithm[J]. Journal of Applied Mathematics, Statistics and Informatics,2012, 8(1)：49-53

[7] 王永弟,趙好好.病態(tài)線性模型參數(shù)估計的主元加權(quán)迭代法[J].測繪通報,2014(2)：23-25

[8] 胡圣榮,羅錫文.病態(tài)線性方程組的新解法：誤差轉(zhuǎn)移法[J].華南農(nóng)業(yè)大學(xué)學(xué)報,2001,22(4)：92-94

[9] 唐麗,李鵬飛.主元加權(quán)迭代法求解病態(tài)線性方程組[J].科學(xué)技術(shù)與工程,2012,12 (2)：381-383

[10] 武漢測繪科技大學(xué)測量平差教研室.測量平差基礎(chǔ)[M].北京：測繪出版社,1996

[11] HoFMANN B, MAT P. SomeNote on the Modulus of Continuity for Ill-posed Problems in Hilbert Space [J]. Weierstra? Institute for Applied Analysis and Stochastics, 2011, 16(6)：34-41

[12] 周江文,黃幼才.抗差最小二乘法[M].武漢：華中理工大學(xué)出版社,1997

P207

B

1672-4623（2016）08-0064-03

10.3969/j.issn.1672-4623.2016.08.021

潘軼，碩士研究生，研究方向為精密工程測量。

2015-11-09。

項目來源：國家自然科學(xué)基金資助項目（41174002）。