实际生活中，测量这项工作内容被外界的干扰因素还有一些因为操作人员的 失误导致的干扰因素困扰，致使最后得到的结果数据中存在大量的误差，包括粗 差与系统误差。正因为如此，为了保证计算后的结果的准确成度较高，精度较高， 测量人员经常会在进行数据解算之前，筛选出有误的值，直接将有问题的值去掉。 因为顾及到粗差对于数据处理的成果的巨大干扰，测量学者们不断地在奋力探求 符合这一特性的探测方式来寻觅粗差。70700

莱蔓和皮尔逊早在 20 世纪 30 年代就提出了经典的假设检验理论。而著名的巴达尔教授也早在 20 世纪 60 年代就发表了《用于大地网的检验过程》这篇文章[1]，这篇文章中提出了一整套关于粗差的检验理论与方法，更是为粗差理论的研究打下了坚实基础。可靠性理论是荷兰巴尔达教授在 1968 年提出的。巴尔达的 可靠性理论是基于一个备选假设为研究起始点，最终探索了单个模型的误差能力 与未能发现的模型中含有的误差，它们两者与平差后结果的关系。前者称为内部 可靠性，后者称为外部可靠性[2]。这里的模型误差包括粗差和系统误差。正是因 为者次研究，致使巴达尔推出了数据探测法。随后 Koch 等人，研究出了许多个 模型的误差能力，都是根据可靠性理论为出发点，推广至单个多维的备选假设[3]。 1983 年 Forstner 提出了可区分性，是关于模型误差，并从两个一维备选假设出 发，推导出了可区分性本质上取决于检验量之间相关系数的结论[4]。

早在一九八几年，测量学者们就发现了粗差的一个特点，它不服从从正态分 布[5]，这一特性致使经典误差理论在粗差的问题上没有存在的前提，至此，人们 就考虑顾及粗差的数据处理的方法--粗差探测以及抗差估计，开启了深入的钻研 探讨。到近些年来更是取得了不少重大成果，并且，这些理论也在逐渐的系统化。 高斯一马尔柯夫模型可谓是经典测量平差以及数据处理的一系列理论的奠基石[6]，这一理论明确的指出了测量误差也是服从偶然误差的分布规律的。论文网

在数学界中，存在一项假设:随机变量的母体是严格服从某一种特定的分布 模式。这时，粗差的出现打破了这一说法，使该理论无法成立，并且粗差还在不 停的使估计不能正确进行，使结果受到粗差干扰。当代的测绘界的学者在针对粗 差所实施的单个污染误差的模型分析中，一直将经典的误差模型范围扩展到有关 于粗差的内容[7]，这一研究促使了关于粗差统计的判定的一系列理论的形成，并 提出了各种误差的检测与处理办法。当今社会，所有污染误差模型下的观测数据 处理的技术，基本都来源于两种方法，一种为误差检验法，另一种为比较判别法 它们分别是基于经典统计假设理论和基于函数或统计推值理论之上，而判别与确 定数据是否异，常常是从测量数据的统计学特性出发的[8]。显而易见，关于粗差 的分辨以及去除的方法研究，是现代测量和数据处理尚需要处理的一个重量级的 课题。广泛应用在测量数据处理中的数据检测方法--数据探测法，并且也得到了 大众的认同，但是它也是有局限存在的，因为它只能够一次检测一个粗差出来， 而导致遭遇到含有许多粗差数据，就需要不停的进行粗差的探测，并且不能完全 消除所有的粗差，总会有漏网之鱼存在，影响到最小二平差之后所得到的结果， 还有让没问题的高精度的观测数据产生干扰。效果并不理想。

正因为如此，测量学者们又对其开展了进一步的探讨，最终将抵抗粗差干扰 的方法归为两种类型[10]:其一、用以假设检验为基础对于粗差的检测，粗差的辨 别以及粗差纠正的方法;二、数学学科领域中被称之为抗差估计。这两类概括了 许多种抵抗粗差干扰的方法。