声明
致谢
1 绪论
1.1 研究背景及意义(Research background and significance)
1.2 研究现状(Current Status)
1.3 主要研究内容(Main Research Contents)
1.4 本文的结构与组织(Structure of the Dissertation)
2 参数估计的理论模型
2.1 Gauss-Markov模型(Gauss-Markov Model)
2.2 EIV模型及解法(EIV Model and Solution)
2.3 广义EIV模型及解法(General EIV Model and Solution)
2.4 非线性 Gauss-Helmert 模型及解法(Nonlinear Gauss-Helmert Model and Solution)
2.5 实验分析(Expeiment Analysis)
2.6 本章小结(Summary)
3 附加约束的框架转换的Gauss-Helmert模型
3.1 附加约束的经典最小二乘(Classical LS with constrains)
3.2 附加约束的整体最小二乘(TLS with Constraints)
3.3 框架转换中附加约束的 Gauss-Helmert 模型(Gauss-Helmert Model with Constraints for Frame Transformation)
3.4 实验分析(Experiment Analysis)
3.5 本章小结(Summary)
4 框架转换的无缝推估
4.1 经典最小二乘的推估(Classic LS Prediction)
4.2 整体最小二乘的推估(TLS Prediction)
4.3 混合大地坐标和直角坐标的无缝框架转换模型(Seamless Frame Transformation with mixed geodetic and Cartesian coordinates )
4.4 实验分析(Experiment Analysis)
4.5 本章小结(Summary)
5 多框架统一转换的无缝推估模型
5.1 两个框架单独转换(Separate Transformation with Two Frames )
5.2 多框架统一转换(Total Transformation with Multi-frames)
5.3 实验分析(Experiment Analysis)
5.4 本章小结(Summary)
6 基于整体最小二乘的序贯平差的框架转换解组合与更新算法
6.1 经典最小二乘序贯平差的基本原理(Fundamental of Classical LS Sequential Adjustment)
6.2 整体最小二乘的序贯平差(TLS Sequential Adjustment)
6.3 框架转换解的组合与更新(Solution Combination and Update in Frame Transformation)
6.4 实验分析(Experiment Analysis)
6.5 本章小结(Summary)
7 结论与展望
7.1 主要研究成果(Main Research Achievements)
7.2 主要创新点(Main Innovations)
7.3 展望(Prospect)
参考文献
作者简历
学位论文数据集