1. 平差方法概述与核心概念
测量平差是测绘工程中的核心数学工具，其本质是通过最小二乘原理处理带有误差的观测数据。在GNSS定位、工程测量等领域，我们需要根据具体问题选择合适的平差模型。让我们先理解四种基本方法的数学本质。
1.1 最小二乘原理的统一性
所有平差方法都建立在最小二乘准则基础上，即寻找使观测值改正数平方和最小的解：
V^T·P·V = min
其中V是改正数向量，P是权矩阵。这个优化目标函数体现了"在满足约束条件下，使调整量最小"的思想。就像我们在调整家具位置时，会尽量让移动的距离总和最小一样。
不同平差方法的区别主要在于：
- 选择的未知数类型不同（改正数或参数）
- 处理约束条件的方式不同
- 法方程构建的路径不同
但最终都会收敛到相同的平差结果，这就像用不同路线登山最终都会到达同一个山顶。
1.2 条件平差的特性与应用
条件平差直接以观测值改正数作为未知数，其核心是建立r个独立的条件方程：
A·V + W = 0
其中A是条件方程系数矩阵，W是闭合差向量。这种方法特别适合处理具有明确几何关系的测量问题。
典型应用场景包括：
- 水准网平差（高差闭合条件）
- 三角网平差（角度闭合条件）
- GNSS基线向量闭合差调整
实际经验：在编写条件平差程序时，确保条件方程相互独立是关键。我曾遇到过一个案例，由于角度闭合条件之间存在隐含关系，导致法方程奇异。通过QR分解检测矩阵秩亏，最终发现了重复的条件方程。
1.3 间接平差的优势与实现
间接平差（参数平差）选择t个独立参数作为未知数，观测方程表示为：
L + V = B·X + d
其中B是设计矩阵，d是常数项。这种方法的最大优势是参数通常具有明确的物理意义（如坐标值）。
现代GNSS数据处理几乎都采用间接平差，因为：
- 参数直接对应定位结果（经纬度、高程）
- 便于引入各类改正模型（大气延迟、钟差等）
- 适合序贯处理（如卡尔曼滤波）
实现时的关键步骤：
- 线性化观测方程（泰勒展开保留一阶项）
- 构建法方程 N·X = U
- 解法方程并计算精度评定
2. 混合平差方法深度解析
2.1 附有参数的条件平差
这种方法同时包含两类未知数：
- n个观测值改正数V
- u个附加参数X
其数学模型为：
F(L+V, X) = 0
典型应用场景包括：
- 在三角网平差中同时估计仪器常数
- GNSS网平差中处理系统间偏差
- 变形监测中识别基准点位移
计算复杂度分析：
- 法方程阶数为(c+u)，可能显著增大
- 需要处理条件方程与参数方程的耦合关系
- 编程实现时建议采用分块矩阵技巧
2.2 附有限制条件的间接平差
这是间接平差的扩展形式，在参数之间引入s个约束条件：
φ(X) = 0 或 G·X + W_x = 0
GNSS数据处理中的典型约束包括：
- 已知点坐标约束
- 基线长度约束
- 高程异常约束
- 系统间偏差约束
解法技巧：
- 拉格朗日乘数法引入约束
- 构建扩展的法方程系统
- 采用降维法消去约束
避坑指南：约束条件不宜过多，否则可能导致法方程病态。曾有一个项目因加入了过多不准确的先验约束，导致解算结果偏离真实值。建议先用卡方检验评估约束的合理性。
3. 计算效率与数值稳定性
3.1 法方程阶数对比
| 方法 | 法方程阶数 | 存储需求 | 求逆复杂度 |
|---|---|---|---|
| 条件平差 | r | O(r²) | O(r³) |
| 间接平差 | t | O(t²) | O(t³) |
| 附参条件平差 | c+u | O((c+u)²) | O((c+u)³) |
| 受限间接平差 | t+s | O((t+s)²) | O((t+s)³) |
选择建议：
- 当r << t时优选条件平差
- 当t << r时优选间接平差
- 现代计算机对阶数<1000的矩阵求逆效率差异不大
3.2 病态问题处理方案
病态问题在以下情况容易出现：
- GNSS卫星几何分布差（PDOP值高）
- 观测条件受限（如短观测时段）
- 参数过度参数化
常用正则化方法对比：
| 方法 | 原理 | 优缺点 |
|---|---|---|
| 岭估计 | 添加阻尼项λI | 简单但需选择λ |
| TSVD | 截断小奇异值 | 物理意义明确但损失信息 |
| Bayesian估计 | 引入先验分布 | 合理但需要先验知识 |
实际案例：在一次城市峡谷环境下的GNSS定位中，由于卫星高度角均大于80°，导致设计矩阵严重病态。采用L曲线法确定岭估计参数后，定位精度从米级提升到亚米级。
4. GNSS应用场景实战分析
4.1 静态相对定位实现
采用间接平差处理双差观测值的典型流程：
-
线性化双差观测方程：
∇ΔΦ = A·δX + λ·∇ΔN + ε -
构建法方程时考虑：
- 模糊度参数作为实数估计
- 随机模型（高度角定权）
- 必要时加入基线长度约束
-
固定模糊度后重新平差
4.2 网络RTK处理策略
大规模参考站网平差需采用附有限制条件的间接平差：
- 参数：所有站点的坐标改正数
- 约束：
- 核心参考站坐标强约束
- 相邻站间大气延迟相关性约束
- 分块解法提高效率
4.3 PPP精密单点定位
现代PPP算法通常融合：
- 标准间接平差框架
- 序贯估计（卡尔曼滤波）
- 参数随机过程约束
- 模糊度固定策略
关键参数处理技巧：
- 接收机钟差：白噪声过程
- 对流层延迟：随机游走
- 相位模糊度：常数但可能发生周跳
5. 算法实现与编程技巧
5.1 稀疏矩阵的应用
大规模平差问题中，设计矩阵通常具有稀疏特性。以100个测站的GNSS网为例：
- 非零元素占比通常<5%
- 采用CSR或CSC存储格式可减少90%内存
- 使用SuiteSparse等库加速求解
5.2 分块求解策略
对于附有限制条件的平差问题，可将法方程写为：
[ N G^T ] [ X ] [ U ]
[ G 0 ] [ K ] = [ W ]
采用Schur补方法分步求解：
- 计算约化法方程：(N - G^T·(G·N^-1·G^T)^-1·G·N^-1)·X = ...
- 回代求解拉格朗日乘数K
5.3 数值稳定性保障措施
- 预处理技术：
- 观测值标准化（单位统一）
- 矩阵条件数优化
- 迭代改进：
- 计算残差并重新求解
- 通常2-3次即可显著改善
- 备份算法：
- 准备SVD等稳定算法备用
6. 精度评定与质量控制
6.1 方差分量估计
单位权方差的无偏估计：
σ0^2 = V^T·P·V / (n - t + s)
实际应用中需注意：
- 当自由度较小时估计不可靠
- 建议用移动窗口统计长期结果
6.2 参数协方差分析
参数估值的协方差阵：
Dxx = σ0^2·Qxx = σ0^2·N^-1
在GNSS定位中常用于计算：
- 点位误差椭圆
- 高程精度因子
- 相对定位的基线精度
6.3 粗差检测方法
常用统计检验：
- 数据探测法（标准化残差检验）
- Baarda方法（w-test）
- 稳健估计（IGGⅢ方案）
实施建议：
- 采用"探测-剔除-重新平差"迭代流程
- 保留原始观测值记录
- 设置合理的显著性水平（通常α=0.01）
7. 现代扩展与前沿发展
7.1 抗差估计技术
针对非高斯噪声的处理方法：
- M估计（Huber、Tukey等权函数）
- 最小一乘准则（L1范数）
- 方差膨胀模型
在GNSS中的应用效果：
- 可抑制≤5个粗差的影响
- 动态定位中改善收敛速度
- 需平衡鲁棒性和效率
7.2 自适应滤波融合
卡尔曼滤波与平差的结合：
- 时间更新：动态模型预测
- 量测更新：等效于间接平差
- 自适应调整Q、R矩阵
7.3 大规模并行计算
利用GPU加速平差的关键步骤：
- 设计矩阵生成（并行化观测方程）
- 法方程组装（归约运算）
- 矩阵分解（cuSOLVER等库）
实测数据：在1000个参数的PPP问题中，GPU加速可使单历元处理时间从50ms降至5ms。