基于动力学模型的积分滤波机动检测方法

给出了一种基于动力学模型的积分滤波机动检测方法，通过滤波时对机动时间、机动强度和滤波残差的实时统计，可以准确识别目标的机动状态，并自适应调整滤波参数，保证滤波的精度。对野值具有很强的抑制能力，能够在很大程度上减小虚警的概率。该方法适合靶场对高机动弹道的机动检测。     

减小截断误差并抑制野值的积分递归滤波方法

提出了一种依据运动学方程的积分递归滤波方法,在残差准则的控制下,可有效减小动力突变段的截断误差,且对野值具有很好的抑制能力。该方法在靶场的数据处理中得到了很好的应用。     

基于强跟踪EKF的组合导航系统故障检测方法

针对大方位失准角的机载SINS/GPS组合导航系统,为保证在高动态环境下实现高精度、高可靠的导航,利用强跟踪EKF滤波残差设计了一种基于残差统计特性的坏值检测算法,对导航信息进行估计和跟踪.仿真结果表明,该算法能够实时检测出GPS量测信息中的坏值信息,隔离后可显著提高组合导航精度,具有较高的可靠性、出色的容错能力和重要的工程应用价值.     

基于SVR的导航传感器自适应野值检测方法

针对Lagrange插值法无法处理连续野值的问题，提出了一种基于改进支持向量回归(Support Vector Regression, SVR)的导航传感器自适应野值检测方法。该方法结合了支持向量回归利用小样本数据就能够准确建模和3σ准则计算简易的优点，利用支持向量回归在线建立舰船的运动模型对测量值进行实时预测，并利用3σ准则自适应地计算阈值，然后通过比较阈值与预测残差来判别测量值是否为野值点。该方法可以自动地学习舰船的运动趋势，建立舰船的真实运动模型，而且不受连续野值点的影响，能够在没有其他传感器辅助的条件下完成野值检测。海试实测数据表明，提出的方法对离散和连续的野值点均具有较好的检测效果，同时可以更好地估计传感器的真实测量值。     

基于新息正交性的Kalman滤波抗野值法在POS中的应用

 针对位置姿态系统（POS）应用中全球定位系统（GPS）野值会降低滤波精度和稳定性的问题,提出将基于新息正交性的Kalman滤波（KF）抗野值法应用于POS数据处理中。该方法首先通过判断KF新息过程的正交性是否丧失来判别GPS的位置和速度数据中是否出现野值,然后采用活化函数对含有野值的量测值进行加权限制,使修正后的新息过程能够保持正交性质,从而达到辨识并修正GPS野值的目的。车载试验结果表明,该方法能够有效辨识并抑制GPS野值对滤波精度和稳定性的不利影响,其在GPS野值点处的位置、速度精度比标准KF提高了1~2个数量级。     

基于小波分析的信号滤波方法研究

设计了模拟温度信号的数据采集系统,采集了温度信号T．分别利用最小二乘平滑滤波方法和小波变换滤波方法对传感器输出的原始温度信号T进行滤波,通过对比滤波后波形和残差体现了小波分析在信号滤波应用中的优越性。     

利用二次型实时剔除雷达数据中野值的方法

实时剔除雷达测量数据中的野值对于提高目标轨迹精度具有重要意义。文中分析了一种利用残差和误差相关矩阵构造二次型作为判定野值的方法,并给出了这种方法的实现思路和仿真结果,指明了该方法可推广应用的领域。     

自校准Kalman滤波方法

提出一种自校准Kalman滤波方法(SKF),建立SKF模型及其滤波递推算法.在深空探测、发动机故障诊断等许多工程实际中,由于未知输入(如突风、故障、未知的系统误差等)的影响,传统的Kalman滤波方法在滤波递推过程中会产生较大误差.文中提出的自校准Kalman滤波方法能够自动补偿这种未知输入的影响,提高滤波精度.从某飞行器仿真中可以看到,SKF的滤波误差均值和方差分别比传统的Kalman滤波方法降低了400%和300%以上,有效地改善了滤波效果.并且该方法计算简单,便于工程应用.     

航天靶场外测数据野值点的准实时诊断方法研究

野值点的检测与诊断在航天测控工程中有重要意义。本文根据测量数据序列容错滤波技术,建立了三组不但能用于事后高精度处理也可实时在线处理的野值点检测方法。仿真计算结果证实,这些方法不但能以100％准确率检出采样序列中孤立型的野值点,还可快速有效地检出存在于序列中的各野值斑点,准确率达到98％以上(与斑点长度和滑动窗长度有关)。     

外弹道测量数据野值的递推辨识

动态测量数据中野值是导致滤波发散的主要原因之一。在目前的靶场外测数据处理中,尚无特别行之有效的野值辨识和剔除手段。本文以“新息”为基础,提出了基于卡尔漫滤波方法的野值辨识和剔除方法,有效地解决了滤波发散问题。而且可同时进行野值的剔除与状态估计,极大地提高了计算速度和数据处理的精度。经仿真计算证明,该方法是实用有效的。     

一种变信噪比条件下的恒虚警野值检测方法

野值检测又称异常值检测,是模式识别、机器智能和知识发现等领域经常面临的一个问题。当出现环境失配,数据信噪比（SNR）发生变化时,测试样本和训练样本所含噪声会有不同方差,以往的野值检测方法在虚警控制方面将会失效。针对这一问题,提出一种基于归一化残差（NR）的野值检测方法。该方法首先根据所需虚警概率和噪声方差变化情况确定野值检测门限,其次基于训练样本计算待考查模式的NR值,再比较NR值与检测门限的相对大小,从而判断待考查模式是否为野值。这一方法所依赖的检测门限对所需虚警率和噪声方差变化具有适应能力,因此可以在变信噪比条件下实现恒虚警（CFAR）野值检测。仿真实验验证了所提方法在虚警控制和野值检测方面的优越性能。     

一种基于威布尔分布的金属疲劳试验异常数据判别方法

金属疲劳试验的数据符合威布尔分布,是非对称的统计分布,而现有的异常数据判别方法均基于对称性分布(正态分布、t分布)。威布尔分布与对称性分布(正态分布、t分布)主要差异体现在低寿命区和高寿命区,这正是异常数据出现的区域。基于威布尔分布推导了一种异常数据判别方法,推导过程中进行了合理地工程处理。经比较,该方法相对于基于对称性分布的判别方法更可靠。     

蜂窝夹层板撞击实验数据中的野值判别

基于超高速撞击物理实验数据对蜂窝夹层板撞击极限方程进行修正是获得高可信度新方程的一种常用方法,为了提高物理实验数据的可靠性,以国外131个碳纤维复合材料(CFRP)面板的蜂窝夹层板实验数据为对象,进行野值判别方法研究,发现该批数据中存在1个野值。将该野值剔除并基于剩余的130个数据重新进行方程修正后,新方程的总体预测率和安全预测率分别达到82.3%和93.1%,其绝对误差平方和、相对误差平方和分别为0.010、0.506,相对于剔除野值前的修正方程有所改善,表明实验数据野值判别方法可行、有效。为考核方法的适用性,对铝合金面板的蜂窝夹层板的实验数据也进行野值判别分析,结果显示该方法可合理识别野值。     

地磁测量数据野值的辨识与剔除

针对地磁测量野值的辨识与剔除方法进行了深入研究。分析了野值辨识与剔除的基本原理,基于孤立型野值和斑点型野值模型分析比较了不同的野值剔除方法。利用地磁场实测信息,优化了野值剔除方法的参数,并从不同角度验证了方法的野值修复效果。仿真结果表明,在观测信息为总强度地磁信息条件下,优化的最小二乘B样条逼近法能够有效地辨识野值,具有较好的野值修复效果。     

观测数据野值剔除的TBS-LS逼近方法

提出了以最小二乘逼近方法为基础的数据野值判别与剔除算法。利用TBS（三角B样条）曲线同时具有局部性和整体性的优越性构造最小二乘拟合算法,并结合偏度分析与残量分析误差方法,在给定范数意义下的评价系统中,可以得到TBS-LS（最小二乘三角B样条）拟合曲线,从而可以更好地识别并剔除野值。最后给出算法以及主要结果,通过实例说明方法的有效性。     

基于GPS测速信息的不匹配误差诊断

利用多普勒频移观测量,采用双差技术可以确定高精度的测速信息,提出了利用测速信息对定位结果进行误差诊断的方法。应用此方法可以进行数据有效性检验、异常点与跳变系统误差的识别,提高定轨精度;还可以在定位数据有少量超差时对其进行重构。仿真与实测数据处理结果表明,该方法计算简单、精度较高、实用性好。     

一种新型的航空重力梯度测量数据调平方法

航空重力梯度测量的原始数据包含与测线方向呈强相关性的条带状噪声，该噪声会影响后续数据处理与解释的精度。首先，提出了一种针对重力梯度数据组合调平的方法，旨在去除条带状噪声的干扰。与低通滤波相比，组合调平可以保留更多的异常场细节。与传统的切割线调平相比，组合调平对切割线的依赖更小，可以适用于切割线稀疏的测量地区。最后，以加拿大Diavik地区的实测航空重力梯度数据为例，验证了组合调平方法的应用效果。     

Outlier resistant adaptive matched filtering

Robust adaptive matched filtering (AMF) whereby outlier data vectors are censored from the covariance matrix estimate is considered in a maximum likelihood estimation (MLE) setting. It is known that outlier data vectors whose steering vector is highly correlated with the desired steering vector, can significantly degrade the performance of AMF algorithms such as sample matrix inversion (SMI) or fast maximum likelihood (FML). Four new algorithms that censor outliers are presented which are derived via approximation to the MLE solution. Two algorithms each are related to using the SMI or the FML to estimate the unknown underlying covariance matrix. Results are presented using computer simulations which demonstrate the relative effectiveness of the four algorithms versus each other and also versus the SMI and FML algorithms in the presence of outliers and no outliers. It is shown that one of the censoring algorithms, called the reiterative censored fast maximum likelihood (CFML) technique is significantly superior to the other three censoring methods in stressful outlier scenarios.