[发明专利]一种基于不精确牛顿解的预条件共轭梯度区域网平差方法

摘要

本发明公开了一种基于不精确牛顿解的预条件共轭梯度区域网平差方法，在传统的区域网平差流程中引入了预条件共轭梯度法求解大规模法方程，避免了对法方程的存储以及直接求逆运算，且本方法不直接存储法方程系数矩阵B，而是逐点计算矩阵‑向量积法方程系数矩阵Bd，并使得区域网平差流程适用于并行化设计方案，同时采用不精确牛顿解替代法方程的精确解，从而减少预条件共轭梯度法迭代次数，减少了数据的存储量,提高整个区域网平差的求解速度。

主权项

一种基于不精确牛顿解的预条件共轭梯度区域网平差方法，其特征在于，包括：S1、导入区域网平差计算需要的原始数据，且将导入的原始数据进行时空基准统一，得到初始数据，所述原始数据至少包括初始内外方位元素数据以及点位数据；S2、进入区域网平差迭代流程：分别读取每一个像点对应的初始数据，计算每一个像点对应的法方程常数项向量c的一个分量，并将各个法方程常数项向量c的分量累加，得到完整的法方程常数项向量c作为步骤S4中残差向量s的初值；S3、分别读取每一个像点对应的初始数据，计算每一个像点对应的预条件矩阵M的分量，并将该分量求逆并乘以方程常数项向量c得到矩阵‑向量积M‑1c的一个分量，由将各个矩阵‑向量积M‑1c的分量累加，得到完整的矩阵‑向量积M‑1c作为步骤S4中方向向量d的初值；S4、进入预条件共轭梯度法迭代流程：对未知数改正数向量u、残差向量s以及方向向量d进行初始化；S5、分别读取每一个像点对应的初始数据，计算每一个像点对应的法方程系数矩阵B的与方向向量d的矩阵‑向量积Bd分量，将各矩阵‑向量积Bd分量累加，得到完整的矩阵向量积Bd；S6、根据预条件共轭梯度法，以及本次迭代中的未知数改正数向量u，残差向量s，方向向量d，预条件矩阵M以及法方程系数矩阵B，计算新的未知数改正数向量u、新的残差向量s以及新的方向向量d；S7、根据不精确牛顿解法，计算本次迭代的强制序列系数η；S8、判断此次预条件共轭梯度迭代是否符合预定收敛条件，若符合，则结束预条件共轭梯度迭代，输出新的未知数改正数向量u，执行步骤S9；否则，返回步骤S5；S9、判断此次区域网平差迭代是否符合预定收敛条件，若符合，则结束区域网平差迭代，执行步骤S10，否则，返回步骤S2；S10、根据步骤S8中输出的新的未知数改正数向量u，更新所有的未知数数值，并输出所有的未知数数值。