２０１２正 测绘科学技术学报 ２０１２

第２９卷第１期 Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｍａｔｉｃｓ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖ０１．２９ ＮＯ．１

文章编号：１６７３—６３３８（２０１２）０１—０００５—０４

大型稀疏法方程组的代数多重网格解法

郭飞霄１，杨力１，刘荣２，汪菲菲３
（１．信息工程大学测绘学院，河南郑州４５００５２；２．６３８８０部队，河南洛阳４７１００３

３．６８０１１部队，甘肃兰州 ７３００２０）

摘要：测量平差中经常会遇到大型稀疏法方程组的求解。传统的线性方程组迭代解法能够很快平滑误差分量

中的高频分量；但对于低频分量衰减很慢。代数多重网格算法通过建立多重网格，并在不同的网格层上分别
处理高低频误差分量，将所有层相互协调起来求解同一问题。这对于大规模稀疏线性方程组的求解，具有高

效性。这里介绍了代数多重网格算法，并进行了改进，得到了ＡＭＧ－ＣＧ算法。数值算例表明，代数多重网格

算法（ＡＭＧ）以及改进的ＡＭＧＣＧ算法对求解大型稀疏法方程组具有高效性和数值稳定性，改进后的ＡＭＧ－
ＣＧ算法在计算效率上进一步提高，对于大型稀疏法方程组的求解是可行有效的算法。

关键词：大型法方程组；稀疏；迭代法；代数多重网格算法；高效性

中图分类号：Ｐ２０８ 文献标识码：Ａ ＤＯＩ编码：１０．３９６９／ｉ．ｉｓｓｎ．１６７３—６３３８．２０１２．０１．００２

Ａｌｇｅｂｒａｉｃ Ｍｕｌｔｉｇｒｉｄ Ｓｏｌｕｔｉｏｎ ｏｆ Ｌａｒｇｅ－Ｓｃａｌｅ Ｓｐａｒｓｅ Ｎｏｒｍａｌ Ｅｑｕａｔａｔｉｏｎ

ＧＵＯ Ｆｅｉｘｉａ０１，ＹＡＮＧ Ｌｉｌ，ＬＩＵ Ｒｏｎ９２，ＷＡＮＧ Ｆｅｉｆｅｉ３

（１．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｕｒｖｅｙｉｎｇ ａｎｄ Ｍａｐｐｉｎｇ，Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ ４５００５２，Ｃｈｉｎａ

２．６３８８０ Ｔｒｏｏｐｓ，Ｌｕｏｙａｎｇ ４７１００３，Ｃｈｉｎａ；３．６８０１ １ Ｔｒｏｏｐｓ，Ｌａｎｚｈｏｕ ７３００２０，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｅ ｓｏｌｕｔｉｏｎ Ｏ｛ｌａｒｇｅ—ｓｃａｌｅ ｓｐａｒｓｅ ｎｏｒｍａｌ ｅｑｕａｔａｔｉｏｎ ｉＳ ｏｆｔｅｎ ｒｅｑｕｉｒｅｄ ｉｎ ｓｕｒｖｅｙ ａｄｊ ｕｓｔｍｅｎｔ，Ｔｈｅ ｔｒａｄｉ—
ｔｉｏｎａｌ ｉｔｅｒａｔｉｖｅ ｍｅｔｈｏｄｓ ｆｏｒ ｌｉｎｅａｒ ｓｙｓｔｅｍｓ ｃａｎ ｅｌｉｍｉｎａｔｅ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔ ｏｆ ｅｒｒｏｒ ｃｏｍｐｏｎｅｎｔ ｖｅｒｙ

ｑｕｉｃｋｌｙ，ｂｕｔ ｆｏｒ ｌＯＷ ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔ，ｉｔ ｐｒｏｃｅｓｓｅｓ ｑｕｉｔｅ ｓｌｏｗｌｙ．Ａｌｇｅｂｒａｉｃ ｍｕｌｔｉｇｒｉｄ ｍｅｔｈｏｄ ｒｅｑｕｅｓｔｓ ｔＯ
ｅｓｔａｂｌｉｓｈ ｍｕｌｔｉｇｒｉｄｓ，ｔａｃｋｌｅ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔ ａｎｄ ｌｏｗ ｆｒｅｑｕｅｎｃｙ ｃｏｍｐｏｎｅｎｔ ｉｎ ｄｉｆｆｅｒｅｎｔ ｇｒｉｄ ｌａｙｅｒｓ ｒｅ—

ｓｐｅｃｔｉｖｅｌｙ ａｎｄ ａｄｄｒｅｓｓ ｔｈｅ ｓａｍｅ ｑｕｅｓｔｉｏｎ ｖｉａ ｃｏｏｒｄｉｎａｔｅ ａｌｌ ｌａｙｅｒｓ，ｗｈｉｃｈ ｐｌａｙｓ ａ ｈｉｇｈ—ｅｆｆｉｃｉｅｎｔ ｒｏｌｅ ｉｎ ｓｏｌｖｉｎｇ

ｌａｒｇｅ—ｓｃａｌｅ ｓｐａｒｓｅ ｎｏｒｍａｌ ｅｑｕａｔａｔｉｏｎ．Ａｌｇｅｂｒａｉｃ ｍｕｈｉｇｒｉｄ ｍｅｔｈｏｄ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ＡＭＧ－ＧＧ ｍｅｔｈｏｄ ｗａｓ
ｄｅｄｕｃｅｄ ｂｙ ａｄｖａｎｃｉｎｇ ｔｈｅ ｆｏｒｍｅｒ．Ｎｕｍｅｒｉｃ ｅｘａｍｐｌｅｓ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ＡＭＧ ｍｅｔｈｏｄ ａｎｄ ａｄｖａｎｃｅｄ ＡＭＧ－ＧＧ
ｍｅｔｈｏｄ ｗｅｒｅ ｐｒｏｖｅｄ ｔＯ ｂｅ ｆｅａｓｉｂｌｅ ａｎｄ ｖａｌｉｄ ｍｅｔｈｏｄｓ，ａｎｄ ｔｈｅｙ ｗｅｒｅ ｈｉｇｈ－ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｓｔａｂｌｉｔｙ ｉｎ ｓｏｌｖｉｎｇ

ｌａｒｇｅ－ｓｃａｌｅ ｓｐａｒｓｅ ｎｏｒｍａｌ ｅｑｕａｔａｔｉｏｎ．

Ｋｅｙ ｗｏｒｄｓ：ｌａｒｇｅ—ｓｃａｌｅ ｎｏｒｍａｌ ｅｑｕａｔａｔｉｏｎ：ｓｐａｒｓｅ；ｉｔｅｒａｔｉｖｅ ｍｅｔｈｏｄ；ａｌｇｅｂｒａｉｃ ｍｕｌｔｉｇｒｉｄ ｍｅｔｈｏｄ；ｈｉｇｈ—ｅｆｆｅｉｅｎｃｙ

在测量平差中，大型法方程组的快速解算一 迭代算法。
直是研究的热点问题。大型测量工程中，如大地 传统的线性方程组解法，如Ｇａｕｓｓ—Ｊｏｒｄａｎ消
测量、卫星轨道确定、空中三角测量、重力场模型 去法、Ｇａｕｓｓ—Ｓｅｉｄｅｌ迭代法、共轭梯度法（ＣＧ）和
建立等，都要涉及到大型法方程组的计算ｎ｛］。我 Ｃｈｏｌｅｓｋｙ分解法等，在计算过程中需要较大的存
国地面网与空间网联合平差将根据经典与现代测 储量。并且受算法复杂度限制，在线性方程组规
量的观测方程建立近万阶的法方程组。这类大型 模较大的情况下，求解速率会严重降低。代数多
法方程组的求解往往都可归结为对大型稀疏法方 重网格算法，是大型稀疏线性方程组迭代求解中
程组的求解。因此，对这类线性方程组的快速、高 最有效的方法之一。它在几何多重网格算法思想
效求解能够在很大程度上提高整个问题的求解效 的基础上延伸建立起来，同时保留了几何多重网
率。若线性方程组规模很大，用消元法等直接解 格算法的优点。这是一种自动求解稀疏线性方程
法求解起来则会变得非常困难。并且受到舍入误 组的迭代方法，具有良好的“高效性”和“鲁棒性”。
差、计算机硬件水平和算法复杂度的限制，针对这 其算法的计算量线性地依赖于物理量的个数，即
类大型问题直接求解几乎不可能。因此通常采用 渐进最优收敛性［３。４］，是数值计算领域一项重要的

收稿日期：２０１１－１０一２１；修回日期：２０１ｉ－１２—１６。

作者简介：郭飞霄（１９８８一），男，甘肃兰州人，硕士生，主要从事卫星导航与定位研究。

万方数据
 测绘科学技术学报

迭代加速收敛技术。这里对代数多重网格算法进 复杂度‘６｜，结果列于表１。
行了初步研究，并在该算法基础上进行了改进，得 表１ 几种常用迭代法计算量时间复杂度比较

到了以ＡＭＧ为预处理算子的ＡＭＧ—ＣＧ算法。 迭代方法 计算量的时间复杂度

计算实例表明，该算法求解效率高。 Ｇａｕｓｓ消元法 ”

Ｇａｕｓｓ—Ｓｅｉｄｅｌ迭代法 ｎ

共轭梯度法（ＣＧ） ” ”懈川ｇ）
１ 多重网格算法 多重网格算法（ＭＧ） ”

根据误差理论，可将线性方程组的解的误差 快速傅里叶变换分解法 “““““ ” ，懈

Ｆｏｕｒｉｅｒ分量分为高频分量和低频分量两类。高
频分量在迭代过程中会迅速衰减；而低频分量则 通过比较可以看出，多重网格算法在算法复

衰减缓慢。传统的迭代法，如Ｊａｃｏｂｉ迭代法和 杂度上是最优的。

Ｇａｕｓｓ—Ｓｅｉｄｅｌ迭代法等能迅速平滑误差高频分
量，但对误差低频分量却衰减缓慢。多重网格算 ２ 代数多重网格算法

法是迭代算法的一种。它的基本思想是：在不同 ２．１ 算法概述

规模网格上求解同一个问题，细网格只负责误差 前面所介绍的多重网格算法，已经假定了部

高频分量的消除；而误差低频分量的消除则由粗 分隐含的几何结构，例如网格结构、求解区域几何
网格负责完成。细网格光滑、粗网格校正、嵌套迭 特性、预先确定的获得粗网格的方法等等，所以又
代技术是该算法的３个关键点。在细网格上作光 称之为几何多重网格算法（ＧＭＧ）。但是有些问

滑迭代消除误差的高频分量，然后对误差的低频 题却没有几何背景，这就限制了几何多重网格算
分量在更粗网格上进行校正，嵌套迭代技术通过 法的应用和推广。并且，针对不同的问题，几何多
限制和延拓算子连接所有层共同求解同一个问 重网格算法需要构造与之相应的粗网格分量，编
题。这种细网格光滑与粗网格校正过程的有机结 写不同的程序，因此它在使用上有局限性。

合，便构成了多重网格法。关于多重网格算法的 ＡＭＧ算法是在几何多重网格算法的思想上

更多介绍可参见文献Ｅ５３。 延伸建立起来的，是一种自动求解大型稀疏线性

对线性方程组Ａｕ—ｆ，建立如下迭代格式：
Ｈ？＋１一ＭＧ（志，ｙ，ｕｒ，Ａ＾，ｆ＾，ｍ１，优２）．
式中，ｙ为循环指标，当），一１时，称为Ｖ一循环；当
７—２时，称为Ｗ一循环。
多重网格算法（ＭＧ）如下所述。
１）前光滑。公式为
Ｈ斧一Ｓ”Ｉ（Ｕ。ｍ，Ａ＾，ｆ＾）．
２）粗网格校正。首先计算出残差ｒＺ—ｆ。一
Ａ彬？和限制残差，．暑。一Ｊｌ＿１ｒ？。在ｎＨ上求解方
方程组的迭代算法。它不需要利用求解问题的物
理和几何背景，仅利用方程组系数矩阵中的代数
信息构造多重网格算法的步骤；然后按照通常的
多重网格循环过程进行求解。在ＡＭＧ算法中，
定义矩阵Ａ的连接图Ｇ一（Ｖ，Ｅ），作为ＡＧＭ的虚
拟网格ｎ。算法包括Ｓｅｔｕｐ和Ｓｏｌｕｔｉｏｎ两个阶
段。Ｓｅｔｕｐ阶段定义安装多重网格的各组成部
分：嵌套网格层、限制和插值算子、网格算子和光
滑算子（一般为Ｇａｕｓｓ—Ｓｅｉｄｅｌ迭代或Ｊａｃｏｂｉ迭代）

程ＡＨＦＡＨ４－？Ｉ－－ｒｋ”＿。的近似解；暑，。若ｋ一１，用直接 等。Ｓｏｌｕｔｉｏｎ阶段执行多重网格循环，如Ｖ一循
解法或者一般迭代法求解；若ｋ＞１，以０为初值， 环，ｗ一循环和ＦＭＧ等。

用７（≥１）步ｋ网格循环近似求解，得到 ２．１．１ Ｓｅｔｕｐ阶段

ｅ＾ｍ—ｌ—ＭＧ（愚一１，ｙ，０，Ａ女一ｌ，ｒ卅－】，ｍ１，ｍ ２） １）设计嵌套网格层：ｎ１ ３ ｎ２］…］ｎＭ。

然后插值出校正量刍≯一Ｊｌ一。；鼻，，并在绣上 对ｎ‘按照标准粗化算法进行划分：力‘一Ｃ６ Ｕ Ｆ‘

计算校正近似五？一五≯＋舍Ｚ。 （Ｃ６和Ｆ‘不相交，分别表示粗网格点和细网格点
３）后光滑。公式为 集合；ｋ一１，２，…，Ｍ）。

Ｈ斧＋１一Ｓ“ｚ（ＨＺ，Ａ＾，ｆ＾）． ２）构造插值算子Ｊ锋。，限制算子Ｊ∥一
多重网格算法的主要特点就是具有渐进最优 （Ｊ锋１）７，网格算子Ａ抖１一ＪＦｌＡ ６Ｊ０ｌ（即Ｇａｌｅｒｋｉｎ
收敛性，即算法的计算量线性地依赖于物理量个 算子，最细网格层上的算子Ａ记为Ａ１）。
数。例如，对于一个２维Ｐｏｉｓｓｏｎ方程，在ｍ×ｍ ２．１．２ （卢。，产２）Ｖ一循环Ｖ６（Ｈ‘，ｆ‘）
网格上离散后得到线性方程组，则有以一ｍ×ｍ个 若ｋ—Ｍ，准确求解“Ｍ一（ＡＭ）＿１ｆＭ；否则进行
未知数。下面比较几种常用迭代法计算量的时间 如下步骤。

万方数据
 第２９卷第１期 郭飞霄，等：大型稀疏法方程组的代数多重网格解法
１）前光滑。对Ａ‘ｇ‘＝，６做／２。次光滑迭代。
２）粗网格校正。设ｇ抖１＝０，先计算ｆ抖１＝
Ｉ矿１（，‘一Ａ６“‘）；然后在第（忌＋１）层上递归求解
Ｖ蚪１（Ｈ抖１，ｆ计１）；再将Ｈ蚪１插值到第ｋ层网格并校
正近似解Ｈ６。
３）后光滑。对Ａ６９ ６一，‘做／２。次光滑迭代。
２．２ 以ＡＭＧ为预处理算子的ＰＣＧ算法
所谓预处理，就是将原来的线性方程组转换
成一个等价的、更易求解的线性方程组，同时用迭
代法求解，以期望获得更快的收敛速度。在实际
工程应用中，ＡＭＧ不仅可以用来直接求解大型
稀疏线性方程组，并且作为预处理加速中的预处
理步骤也是很好的选择。常见的预处理加速包括
了ＣＧ，ＢＩＣＧＳＴＡＢ和ＧＭＲＥＳ等算法，预处理方
法有ＩＬＵ和ＳＳＯＲ等算子。以ＡＭＧ为预处理算
子的预处理并不是传统的对矩阵进行分化和对角
处理，而是在预处理方法中对出现的含有预处理
算子的方程组用ＡＭＧ算法求解，这同样达到了
预处理的效果。由于是多层网格方法，在处理大
型稀疏矩阵的时候，ＡＭＧ作为预处理算子产生
的效果要远好于ＩＬＵ和ＳＳＯＲ等常规算子。
共轭梯度法（ＣＧ）作为Ｋｒｙｌｏｖ子空间迭代算
法的一类，对于求解大型稀疏线性方程组是一个
有效的解法。理论上讲，对于Ｎ阶方阵，最多迭
代Ｎ次就可以得到方程组的准确解，因此，该方
法已经在工程中较为普遍地使用。预处理共轭梯
度法（ＰＣＧ），简单讲，就是在用共轭梯度法解算方
程组之前，预先采取一些措施使方程组的条件数
降低，从而使收敛速度加快。这里，采用ＡＭＧ作
为预处理算子，记为ＡＭＧ—ＣＧ算法。需要指出的
是，这里提及的ＡＭＧ—ＣＧ算法与文献Ｅ７３中的
ＡＭＧ—ＣＧ算法是有所不同的。一般的ＰＣＧ算法
中，需要给出具体的预处理矩阵Ｑ。文献［７］中对
这类预处理矩阵Ｑ的构造方法做了简介。另一方
面，由于ＡＭＧ方法对于系数矩阵的广泛适应性，
在求解过程中并不需要使用此类的近似矩阵Ｑ。
而是对每一个在ＣＧ算法中需要预处理的地方，
直接使用系数矩阵Ａ替代Ｑ进行求解以获得一个
较好的ＣＧ算法初值。这样与使用近似矩阵进行
预处理效果一样，但是却减少了预处理矩阵Ｑ的
计算时间。
下面给出该算法的具体步骤。
设方程组为Ａｘ一６，初始迭代值为Ｘ。，预处理
矩阵为Ｑ。
在所有出现Ｑ＿的地方都是需要预处理的地
万方数据
方，在这些地方进行ＡＭＧ的Ｖ一循环（即求解方
程组Ｑｚ。一ｒ。）。具体步骤如下。
１）计算ｒｏ—ｂ—Ａｘ ｏ，ｚｏ－＿Ｑ．１ ｒｏ和Ｐｏ—ｚｏ；
２）对于Ｊ一０，ｌ，２，…，迭代下列各式：
ａＪ＝（，．，，ｚＪ）／（Ａｐ Ｊ，ＰＪ），
Ｘｊ＋ｌ ２ｘｉ ｊ广＆ｉｐ｜，
ｒ，＋１。ｒｊ—ａｊＡｐｊ，
２：ｊ＋ｌ ２Ｑ～ｒｊ＋ｌ，
传一（■＋１，Ｚｊ＋Ｉ）／（ｒ，，ｚＪ），
Ｐ州＝ｚⅢ＋岛Ｐｉ．
直到收敛。
３算例与分析
在大型规模计算中，稀疏矩阵的存储经常采
用１维稀疏存储方式（按行存储）。该方式只存储
非零元素，这对节约存储空间非常有效。因此在
本算例的ＡＭＧ算法中，采用１维稀疏存储方法
来存储方程组系数矩阵。
算例模拟了一个大型稀疏法方程组，其系数
矩阵规模为９ ０９０阶，并且是对称正定的，非零元
素有６２ ２４４个，稀疏程度在０．０７５％。在算例中，
分别采用全选主元Ｇａｕｓｓ—Ｊｏｒｄａｎ消去法、Ｇａｕｓｓ—
Ｓｅｉｄｅｌ法、ＢＩＣＧＳＴＡＢ法、ＡＭＧ法以及ＡＭＧ—
ＣＧ法这５种算法求解该稀疏法方程组。所得结
果列于表２。
表２不同算法计算结果比较
注：。。表示迭代次数超过１００ ０００次仍未达到给定精度。
比较结果可以看出，对于该稀疏法方程组，
Ｇａｕｓｓ—Ｓｅｉｄｅｌ迭代法不收敛。全选主元ＧａＬＩＳＳ—
Ｊｏｒｄａｎ法虽然能够求解，但因为该方法属于直接
解法，求解过程中存贮量大，运算次数多，因而计
算时间非常长。而ＡＭＧ和ＡＭＧ—ＣＧ迭代算法
表现出了十分明显的优势，在计算时间上明显快
于迭代算法ＢＩＣＧＳＴＡＢ和直接解法Ｇａｕｓｓ—Ｊｏｒ—
ｄａｎ消去法，且计算结果在精度上也提高了一个
数量级。ＡＭＧ—ＣＧ算法与ＡＭＧ算法相比较，在
速率上又提高了（０．３９—０．２３）／０．３９≈４１％。这
说明，采用ＡＭＧ作为ＰＣＧ算法的预处理算子，
达到了很好的效果，具有高效性。
 ８ 测绘科学技术学报 ２０１２年

４结论 参考文献：
［１］ 宋力杰，欧阳桂崇．超大规模大地网分区平差快速解算方
１）针对大型稀疏法方程组的求解，直接解法
法ＥＪ］．测绘学报，２００３．３２（３）：２０５—２０７．
与传统迭代法受到算法复杂度的限制，在线性方
［２］ 刘缵武，张玉令，郇茜．大型稀疏法方程纽的非零结丰哿分解
程组规模较大的情况下，求解速率会严重降低。
［Ｊ］．测绘学院学报，２００５，２２（２）：１０１—１０２．
传统的迭代法，如Ｊａｃｏｂｉ迭代法和Ｇａｕｓｓ—Ｓｅｉｄｅｌ ［３］ＳＴＵＵＢＥＮ Ｋ．Ａ Ｒｅｖｉｅｗ。ｆ Ａｌｇｅｂｒａｉｃ Ｍｕｈｉｇｒｉｄ［］］，／ｏｕｒ—
迭代法等方法对误差低频分量衰减缓慢，而 ｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ ａｎｄ Ａｐｐｌｉｅｄ Ｍａｔｈｅｍｔｉｃｓ，２００１，１２８

ＡＭＧ算法则通过在不同规模网格上求解，达到 （１１２）：２８ｉ一３０９．

消除误差低频分量的目的。 Ｅ４１ ＢＲＡＮＤＴ Ａ．Ａｌｇｅｂｒａｉｃ Ｍｕｈｉｇｒｉｄ Ｔｈｅｏｒｙ：ｔｈｅ Ｓｙｍｍｅｔｒｉｃ

Ｃａｓｅ［Ｊ］。Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔａｔｉｏｎａｌ ａｎｄ Ａｐｐｌｉｅｄ Ｍａ！ｈ—

２）数值算例表明，代数多重网格算法以及改
ｅｍｔｉｃｓ，１９８６，１９（１／４）：２３－５６．
进的ＡＭＧ～ＣＧ算法对于求解大型稀疏法方程组 ［５］ＳＴＵＯＢＥＮ Ｋ。Ａｌｇｅｂｒａｉｃ Ｍｕｌｔｉｇｒｉｄ（ＡＭＧ）：Ａｎ］ｎｔｒｏｄｕｃ．
具有高效性和数值稳定性。针对大型稀疏法方程 ｔｉｏｎ Ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎ《Ｒ］．ＧＭＤ－Ｒｅｐｏｒｔ ７０，１９９９．

组的求解是一种可行有效的算法。 ［６］ 肖映雄．代数多重网格算法研究及其在固体力学计算中的

３）针对测量平差中法方程组系数矩阵的特 应用［Ｄ］．湘潭：湘潭大学，２００６：７．
［７３ 席玉萍．代数多重网格算法在直流电法有限元模拟中应用
点，如何构造更有效的网格粗化算子是有待于今
［Ｄ］．长沙：中南大学，２００８：４０—４２．
后进一步研究的问题。
责任编辑陶大欣

（上接第４页）

［６３ 陈品馨，章传银，黄昆学．用相位减伪距法和电离层残差法 ［１２］ 徐锐，黄丁发，周乐韬，等．一种改进的双频单Ｐ码周跳探

探测和修复周跳［Ｊ］．大地测量与地球动力学。２０１０，３０（２）： 测与修复方法［Ｊ］．大地测量与地球动力学，２００７，２７（４）：
１２０—１２３． ６７－７１．

［７］王维，王解先，高俊强．ＧＰＳ周跳探测的方法研究［Ｊ１．武汉 ［ｉｓ］ 黄爱萱，吴云。童小华．利用ＧＰＳ组合观测值探测修复周

大学学报：信息科学版，２０１０，３５（６）：６８７—６９０． 跳的方法比较［Ｊ］．测绘工程，２００７，１６（４）：２５—２９．
［８］张成卓，许其风，李作虎．对伪距／相位组合量探测与修复周 ［１４］ ＢＬＥＷＩＴＴ Ｇ．Ａｎ Ａｕｔｏｍａｔｉｃ Ｅｄｉｔｉｎｇ Ａｌｇｏｒｉｔｈｍ ｆｏｒ ＧＰＳ

跳算法的改进［Ｊ］．测绘学报，２００９，３８（５）：４０２—４０７． Ｄａｔａ［Ｊ］．Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ Ｌｅｔｔｅｒｓ，１９９０，１７（３）：１９９—

［９］ 刘根友，朱才连，任超．ＧＰＳ相位与伪距联合实时定位算法 ２０２．

［Ｊ］．测绘通报，Ｚ００１（１０）：１０一１１， ［１５］ ＤＥＤＥＳ，ＧＥＯＲＧＥ，ＭＡＬＬＥＴＴ．Ｅｆｆｅｃｔｓ ｏｆ ｔｈｅ ｒｏｎｏｓｐｈｅｒ℃

［１０］ 郑作亚，程宗颐，黄琉，等．对Ｂｌｅｗｉｔｔ周跳探测与修复方 ａｎｄ Ｃｙｃｌｅ—Ｓｌｉｐｓ ｉｎ Ｌｏｎｇ Ｂａｓｅｌｉｎｅ Ｄｙｎａｍｉｃ Ｐｏｓｉｔｉｏｎｉｎｇ［Ｃ］

法的改进［Ｊ］．天文学报，２００５，４６（２）：２１６－２２４． ／／Ｐｒｏｃｅｅｄｉｎｇｓ ０ｆ ｔｈｅ ８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｔｅｃｈｎｉｃａｉ Ｍｅｅｔｉｎｇ

［１１］孔巧丽，欧吉坤，柴艳菊．星载ＧＰＳ相位非差观测粗差和 ｏｆ ｔｈｅ Ｓａｔｅｌｌｉｔｅ Ｄｉｖｉｓｉｏｎ ｏｆ ｔｈｅ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｎａｖｉｇａｔｉｏｎ

周跳的探测与修复［Ｊ］，大地洲量与地球动力学，２００５，Ｚ５ （ＩＯＮ ＧＰＳ １９９５，．Ｐａｌｍ Ｓｐｒｉｎｇｓ，Ｃａｌｆｆｏｒｎｉａ，１９９５：１０８ｌ一

（４）：１０５—１０９． １０９０．

责任编辑陈四清

万方数据