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。     

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别

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。     

线性随机系统Kalman滤波的野值修正

本文讨论原始输入采样数据会有野值时Kalman滤波的修正问题，提出了一组易于应用的处理对策与计算方法。     

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器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工度有关）。     

基于残差特性分析的野值检测与剔除方法

在导航和控制工程实际应用中,野值的在线处理一直是难点之一.现有的利用残差的野值判别方法往往建立在最优滤波的前提上,在处理速度、效果和实用性上有所局限,难以适用于这一范围.在分析残差信号特征的基础上,利用残差变化率的变化规律,使用莱特准则对野值进行判断.仿真计算和实际工程应用表明,该方法算法简单、效果明显,能够满足工程实际应用的要求,很大程度上消除了野值对滤波精度的影响.     

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。     

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。     

基于加权融合的多信源弹道数据实时野值检测方法

研究多信源弹道数据实时处理中斑点野值的检测问题.通过计算各信源数据的实时精度,给出了具有自适应加权系数的加权融合方法,实现了对目标状态参数较高精度的估计,从而实时、准确、高效地检测各信源数据野值.仿真结果表明,本方法可以快速、有效地检测多信源数据的斑点野值,解决因数据切换带来的台阶跳跃问题.     

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。     

基于聚类模糊系统的动态数据野值剔除方法

针对影响遥测参数处理和分析的野值问题,提出了基于聚类法实时设计模糊系统实现动态数据野值辨识和剔除的新方法。该方法能够自适应跟踪不同变化特性的遥测参数,基于聚类法实现模糊系统的动态建模并获得预测值与观测值的残差序列,再按照狄克松准则实现野值的快速剔除。对实测数据的仿真实验表明：该方法能够显著降低动态建模的复杂度,快速跟踪信号变化,方法可行且有效。     

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。     

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。     

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。     

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。     

基于最小二乘B样条逼近的观测数据野值剔除方法

本文提出了一种适用于弹道观测数据野值剔除的方法。该方法以最小二乘B样条逼近算法为基础，用拟合残差构造加权序列并通过迭代得到B样条系数的稳键估计，对各观测值与拟合值进行比较时在3σ准则的基础上引入偏度分析方法，以确保正确识别出观测数据中的野值，并以拟合值替代之。     

线性随机系统Kalman滤波的野值修正

本文讨论原始输入采样数据含有野值时Kalman滤波的修正问题,提出了一组易于应用的处理对策与计算方法。     

一种新的雷达数据剔野方法

基于雷达测量数据是一种特殊的时间序列这一特性,提出了一种针对雷达数据的序列剔野方法。先求得序列的边缘点,计算边缘权重因子,再在特征空间中计算异常因子来识别野值。从子列的角度检测雷达测量数据的野值,弥补了单点检测的局限性。采用某型雷达在某次任务中斜距R的一段测量数据进行实验,并将野值识别情况与用传统方法所得结果进行比较,结果表明,这种针对雷达测量数据的序列剔野方法较传统方法更能有效地剔除雷达数据中的野值。     

一种基于惯性辅助的卫星信息容错技术

对于机载捷联惯性卫星组合导航系统而言,当载机处于大动态或者其他卫星信号不连续情况时,卫星提供的速度、位置等量测信息可能会出现跳变,进而影响组合导航精度.介绍了惯性导航、卫星导航及其组合导航系统的基本原理和优缺点,分析了卫星量测不可避免出现跳点时组合导航系统Kalman滤波器的估计效果,对基于惯性辅助的卫星信息容错技术进行研究,提出了一种新的卫星信号野值剔除与滤波改进方法.新方法既保证了量测向量原有的统计特性,同时将野值带来的影响去除.半实物仿真分析结果表明,滤波器的估计稳定性得到明显提升,组合导航系统的速度和位置精度分别提升了约30％和35％.