陈秋杰 张兴福 沈云中
1)同济大学测绘与地理信息学院,上海 200092
2)同济大学空间信息与可持续发展应用中心,上海 200092
3)广东工业大学测绘工程系,广州510006
测量数据处理常采用最小二乘法进行参数估计与精度评定。有关最小二乘估计的研究非常多,但绝大部分仅关心如何实现参数估计及其精度评定,很少关心其计算效率。大型科学计算问题的待估参数数量巨大,相应的法方程矩阵十分庞大,为了提高法方程的解算效率,本文主要研究了:1)利用矩阵分解技术[1-3]提高法方程解算效率;2)利用多核CPU 并行计算。针对大规模法方程参数估计与精度评定,若按照传统算法(算法1),需要对法矩阵求逆,工作繁重。基于间接平差模型,使用Cholesky 分解技术,导出参数估计与精度评定串行算法(算法2);基于此,引入OpenMP[4]并行运算库,对算法2并行化(算法3)。并以不同阶次的地球重力场反演为例,对3 种算法的效率进行比较。
对于间接平差模型,有

其中,l 为观测向量,B 为设计矩阵,x 为待估参数,D为观测值先验信息。法方程及待估参数精度为:

其中,Nbb=BTPB,w=BTPl。
对于间接平差模型,需要求解式(1)法方程并给出精度评定,传统的方法需要采用相关算法对法矩阵求逆:
1)求解Nbb逆矩阵
显然,算法1(传统LS 估计)无论是进行参数求解还是精度评定,都需要求得法矩阵所对应的逆矩阵。但是,矩阵求逆其时间复杂度为O(n^3),在高维线性方程组中时间消耗很大,然而使用Cholesky分解算法,不仅可避开求逆运算,同时能够完成参数估计和精度评定。……