| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 符号注释说明 | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究背景与现状 | 第11-13页 |
| 1.2.1 方差分量估计发展 | 第11-13页 |
| 1.2.2 EM算法在测量领域的应用概述 | 第13页 |
| 1.3 研究内容和意义 | 第13-14页 |
| 1.4 本文结构安排 | 第14-15页 |
| 第2章 最小二乘数据处理与数据分析 | 第15-37页 |
| 2.1 最小二乘参数估计及其性质 | 第15-19页 |
| 2.1.1 未知参数的最小二乘估值 | 第15-16页 |
| 2.1.2 精度评定以及基本向量的方差-协方差矩阵 | 第16-17页 |
| 2.1.3 最小二乘估值以及单位权方差的性质 | 第17-19页 |
| 2.1.4 最小二乘估计的局限性 | 第19页 |
| 2.2 假设检验与模型诊断 | 第19-27页 |
| 2.2.1 常用的分布 | 第19-22页 |
| 2.2.2 测量数据处理中常用的假设检验 | 第22-27页 |
| 2.3 高斯-马尔科夫模型下方差分量估计 | 第27-34页 |
| 2.3.1 赫尔默特方差分量估计 | 第28-29页 |
| 2.3.2 最优不变二次无偏估计 | 第29-30页 |
| 2.3.3 最小范数二次无偏估计 | 第30-34页 |
| 2.4 算例分析 | 第34-36页 |
| 2.4.1 数据模拟 | 第34页 |
| 2.4.2 实验方案 | 第34-35页 |
| 2.4.3 实验分析 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于EM算法的方差分量估计研究 | 第37-62页 |
| 3.1 混合效应模型 | 第37-38页 |
| 3.1.1 模型简介 | 第37-38页 |
| 3.1.2 混合模型的特点 | 第38页 |
| 3.2 极大似然估计与约束性极大似然估计 | 第38-47页 |
| 3.2.1 极大似然估计 | 第38-42页 |
| 3.2.2 约束性极大似然估计 | 第42-45页 |
| 3.2.3 常见的（约束）极大似然估计迭代方法 | 第45-47页 |
| 3.2.4 常见几种方差分量估计方法的对比 | 第47页 |
| 3.3 EM算法介绍 | 第47-51页 |
| 3.3.1 EM算法的基本原理 | 第47-49页 |
| 3.3.2 收敛性质 | 第49-50页 |
| 3.3.3 EM的收敛速度 | 第50-51页 |
| 3.4 基于EM算法的极大似然或约束性极大似然 | 第51-55页 |
| 3.4.1 极大似然EM解 | 第52-54页 |
| 3.4.2 约束性极大似然EM解 | 第54-55页 |
| 3.4.3 EM解的特点 | 第55页 |
| 3.5 算例分析 | 第55-61页 |
| 3.5.1 约束性极大似然方差分量EM解数值分析 | 第55-58页 |
| 3.5.2 GPS单点时间序列验后模型模拟分析 | 第58-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第4章 稳健方差分量估计 | 第62-80页 |
| 4.1 含有系统误差的参数估计 | 第62-63页 |
| 4.2 含有粗差时的参数估计模型介绍 | 第63-65页 |
| 4.3 基于EM算法的稳健方差分量估计 | 第65-71页 |
| 4.3.1 稳健ML估计EM解 | 第65-69页 |
| 4.3.2 稳健REML估计EM解 | 第69-71页 |
| 4.3.3 稳健未知参数以及方差分量EM解特点 | 第71页 |
| 4.4 算例分析 | 第71-79页 |
| 4.4.1 实验数据介绍 | 第71页 |
| 4.4.2 实验数据模拟 | 第71-73页 |
| 4.4.3 实验方案与分析 | 第73-79页 |
| 4.4.4 实验结论 | 第79页 |
| 4.5 本章小结 | 第79-80页 |
| 第5章 总结与展望 | 第80-82页 |
| 5.1 论文总结 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |