不同平差函数模型的综合比较
一、四种基本平差方法概述
1. 条件平差
-
未知数：观测值的改正数
-
数学模型：
-
法方程阶数：r（条件方程个数）
-
适用情况：观测值间有明确的几何或物理条件
2. 间接平差（参数平差）
-
未知数：t个独立参数X
-
数学模型：
-
法方程阶数：t（参数个数）
-
适用情况：参数有明确物理意义
3. 附有参数的条件平差
-
未知数：改正数 V（n个）和部分参数 X（u个）
-
数学模型：
-
法方程阶数：c+u（条件方程+参数）
-
适用情况：既有条件约束又需估计部分参数
4. 附有限制条件的间接平差
-
未知数：参数 X（t个），但有约束
-
数学模型：
-
法方程阶数：t+s（参数+约束）
-
适用情况：参数估计但有先验约束
二、全面对比分析
3.1 最小二乘准则的统一三、数学本质的统一性
四种方法都遵循最小二乘准则：
只是约束条件不同。
3.2 估计结果的等价性
对于同一平差问题，采用不同方法得到的：
观测值平差值 L^ 相同
必要参数估值（如坐标）相同
单位权方差
相同
最终精度评定结果相同
3.3 自由度的统一解释
四、计算复杂度对比
4.1 法方程阶数与计算量
| 条件平差 | r（通常较小） | O(r³) | O(r²) |
| 间接平差 | t（中等） | O(t³) | O(t²) |
| 附有参数的条件平差 | c+u（可能较大） | O((c+u)³) | O((c+u)²) |
| 附有限制条件的间接平差 | t+s（中等） | O((t+s)³) | O((t+s)²) |
一般规律：
-
当 r < t 时，条件平差计算量小
-
当 t < r时，间接平差计算量小
-
现代计算机对中等规模矩阵求逆已很快，因此通常选择更直观的方法
4.2 编程实现的难易程度
间接平差：最容易，形式统一，适合通用程序
条件平差：中等，需要列立条件方程
附有限制条件的间接平差：中等，需处理约束
附有参数的条件平差：最复杂，模型混合
五、在AGNSS中的实际选择
5.1 GNSS单点定位
首选：间接平差
-
参数：位置+钟差（4个）
-
观测方程：线性化后的伪距/相位方程
-
优点：直接得到坐标，易于扩展（如加入大气参数）
5.2 GNSS相对定位（基线解算）
选择1：间接平差
-
参数：基线向量+整周模糊度
-
适用于短基线、长基线
选择2：附有限制条件的间接平差
-
当有已知基线长度或方位约束时
-
当进行网平差有已知点坐标时
5.3 GNSS网络平差
首选：附有限制条件的间接平差
-
参数：所有点坐标
-
约束：已知点坐标、已知基线、已知高差等
-
实现大规模控制网平差
5.4 精密单点定位（PPP）
首选：间接平差
-
参数：位置、钟差、对流层延迟、模糊度等
-
通常与卡尔曼滤波结合实现序贯估计
5.5 多系统GNSS融合
可选：附有参数的条件平差或附有限制条件的间接平差
-
估计系统间偏差参数
-
约束不同系统间的转换关系
六、转换与等价关系
6.1 条件平差与间接平差的转换
理论上可以相互转换，但实际中很少直接转换，因为：
条件平差→间接平差：需要从条件方程解出参数表达式
间接平差→条件平差：需要从观测方程消去参数，得到条件方程
6.2 附有参数的条件平差⇔附有限制条件的间接平差
这两种方法在数学上是对偶问题，可以通过以下方式转换：
-
将附有参数的条件平差中的参数看作间接平差的参数
-
将条件方程看作约束条件
-
重新整理即可相互转换
6.3 统一表达
所有平差问题都可以写成以下统一形式：
不同方法只是对 F 的形式和处理方式不同。
七、病态问题处理对比
7.1 各方法的病态特点
| 条件平差 | 条件方程接近线性相关 | 几何条件弱 |
| 间接平差 | 设计矩阵A列近似线性相关 | 观测几何差（如卫星高度角都低） |
| 附有参数的条件平差 | 条件方程与参数方程耦合导致奇异 | 参数与条件强相关 |
| 附有限制条件的间接平差 | 约束条件与观测方程冲突 | 约束过强或与观测矛盾 |
7.2 病态处理方法
所有方法都可采用：
岭估计（Tikhonov正则化）：加入阻尼项
截断奇异值分解（TSVD）：去掉小奇异值
先验信息约束：加入合理的先验约束
八、精度评定比较
8.1 单位权方差公式
8.2 协因数阵表达
九、实际应用建议
9.1 选择原则
直观性原则：选择最直观反映问题本质的方法
计算效率原则：选择法方程阶数低的方法
编程便利原则：选择易于实现和扩展的方法
问题特性原则：根据问题特点选择
9.2 对于AGNSS开发者
掌握间接平差是基础，绝大多数GNSS算法基于此
理解条件平差思想有助于理解几何条件和质量控制
熟练使用附有限制条件的间接平差处理复杂约束问题
了解各种方法的联系便于算法间的对比验证
9.3 发展趋势
现代GNSS数据处理呈现以下趋势：
大规模参数估计：参数越来越多（如PPP中的大量模糊度参数）
复杂约束集成：物理约束、几何约束、统计约束综合
动态序贯处理：与卡尔曼滤波、粒子滤波结合
抗差与自适应：处理粗差和时变噪声
十、总结
四种平差方法的核心关系
关键结论
没有绝对优劣：不同方法适用于不同场景
数学本质相同：都基于最小二乘原理，结果等价
间接平差最通用：在GNSS领域应用最广泛
约束处理重要：实际工程问题常需要处理各种约束
理解联系有助于深入：掌握各种方法的联系能加深对平差理论的理解
对于AGNSS开发来说，深入理解这些平差方法的异同，将有助于：
优化现有算法：选择更合适的平差模型
设计新算法：针对特定问题设计高效算法
故障诊断：分析算法问题的根源
系统集成：将不同平差方法有机结合
平差方法是测量数据处理的数学基础，不同的函数模型是解决不同问题的工具。在实际工作中，应根据具体问题选择最合适的工具，有时还需要组合使用多种工具。
笔记：
![打卡信奥刷题（3584）用C++实现信奥题 P11523 [THUPC 2025 初赛] 摊位分配-171主机测评](https://www.171host.com/wp-content/uploads/2026/09/20260922020544-6ab1e2783b78e-220x150.png)
