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