fa2338/Masterprojekt-Campusnetz
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

Pythonfiles

Browse Source
This commit is contained in:
mi2847
2025-12-16 14:03:31 +01:00
parent 55c314dc0c
commit cac12f6569
5 changed files with 82 additions and 101 deletions
Download Patch File Download Diff File Expand all files Collapse all files

51
Stochastisches_Modell.py
View File

@@ -4,22 +4,22 @@ from typing import Dict, Tuple, Iterable
@dataclass
class StochastischesModell:
sigma_beob: Iterable[float] #σ der einzelnen Beobachtung
group_beob: Iterable[int] #Gruppenzugehörigkeit jeder Beobachtung (Distanz, Richtung, GNSS, Nivellement,...,)
sigma0_groups: Dict[int, float] = field(default_factory=dict) #σ0² für jede Gruppe
sigma_beob: Iterable[float] #σ a priori der einzelnen Beobachtung
gruppe_beob: Iterable[int] #Gruppenzugehörigkeit jeder Beobachtung (Distanz, Richtung, GNSS, Nivellement,...,)
sigma0_gruppe: Dict[int, float] = field(default_factory=dict) #σ0² für jede Gruppe
def __post_init__(self):
self.sigma_beob = sp.Matrix(list(self.sigma_beob)) #Spaltenvektor
self.group_beob = sp.Matrix(list(self.group_beob)) #Spaltenvektor
self.sigma_beob = sp.Matrix(list(self.sigma_beob)) #Spaltenvektor
self.gruppe_beob = sp.Matrix(list(self.gruppe_beob)) #Spaltenvektor
if self.sigma_beob.rows != self.group_beob.rows:
if self.sigma_beob.rows != self.gruppe_beob.rows:
raise ValueError("sigma_obs und group_ids müssen gleich viele Einträge haben.")
unique_groups = sorted({int(g) for g in self.group_beob}) #jede Beobachtungsgruppe wird genau einmal berücksichtigt
unique_groups = sorted({int(g) for g in self.gruppe_beob}) #jede Beobachtungsgruppe wird genau einmal berücksichtigt
for g in unique_groups:
if g not in self.sigma0_groups: #Fehlende Gruppen mit σ_0j^2 = 1.0
self.sigma0_groups[g] = 1.0
if g not in self.sigma0_gruppe: #Fehlende Gruppen mit σ_0j^2 = 1.0
self.sigma0_gruppe[g] = 1.0
@property
@@ -31,11 +31,10 @@ class StochastischesModell:
n = self.n_beob
Q_ll = sp.zeros(n, n)
P = sp.zeros(n, n)
for i in range(self.n_beob):
sigma_i = self.sigma_beob[i, 0] #σ-Wert der i-ten Beobachtung holen
g = int(self.group_beob[i, 0]) #Gruppenzugehörigkeit der Beobachtung bestimmen
sigma0_sq = self.sigma0_groups[g] #Den Varianzfaktor der Gruppe holen
g = int(self.gruppe_beob[i, 0]) #Gruppenzugehörigkeit der Beobachtung bestimmen
sigma0_sq = self.sigma0_gruppe[g] #Den Varianzfaktor der Gruppe holen
q_ii = sigma_i**2 #σ² berechnen
Q_ll[i, i] = q_ii #Diagonale
P[i, i] = 1 / (sigma0_sq * q_ii) #durch VKS nicht mehr P=Qll^-1
@@ -57,30 +56,4 @@ class StochastischesModell:
r = sp.zeros(n, 1)
for i in range(n):
r[i, 0] = R[i, i]
return r #Redundanzanteile
def berechne_vks(self,v: sp.Matrix, P: sp.Matrix, r: sp.Matrix) -> Dict[int, float]:
if v.rows != self.n_beob:
raise ValueError("v passt nicht zur Anzahl der Beobachtungen.")
gruppen = sorted({int(g) for g in self.group_beob})
sigma_gruppen: Dict[int, float] = {}
for g in gruppen:
idx = [i for i in range(self.n_beob)
if int(self.group_beob[i, 0]) == g]
if not idx:
continue
v_g = sp.Matrix([v[i, 0] for i in idx])
P_g = sp.zeros(len(idx), len(idx))
for k, i_beob in enumerate(idx):
P_g[k, k] = P[i_beob, i_beob]
r_g = sum(r[i_beob, 0] for i_beob in idx)
sigma_gruppe_g = (v_g.T * P_g * v_g)[0, 0] / r_g
sigma_gruppen[g] = float(sigma_gruppe_g)
return sigma_gruppen
def update_sigma0_von_vks(self, sigma_hat: Dict[int, float]) -> None:
for g, val in sigma_hat.items():
self.sigma0_groups[int(g)] = float(val)
return r #Redundanzanteile