CN107677290B - 惯性导航***精度评定的测试方法及装置 - Google Patents
惯性导航***精度评定的测试方法及装置 Download PDFInfo
- Publication number
- CN107677290B CN107677290B CN201710719078.2A CN201710719078A CN107677290B CN 107677290 B CN107677290 B CN 107677290B CN 201710719078 A CN201710719078 A CN 201710719078A CN 107677290 B CN107677290 B CN 107677290B
- Authority
- CN
- China
- Prior art keywords
- confidence
- distribution function
- limit value
- test
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 242
- 238000011156 evaluation Methods 0.000 title abstract description 26
- 238000005315 distribution function Methods 0.000 claims abstract description 160
- 238000010998 test method Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 239000000969 carrier Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Complex Calculations (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种惯性导航***精度评定的测试方法及装置，通过接收当前测试条件下的条件置信度和预设的结论置信度，计算所述结论置信度和条件置信度的比值，获得所述样本置信度，根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，根据接收的目标置信限值和所述关系曲线确定目标测试次数，从而能够依据当前测试条件的条件置信度，预设的结论置信度，预设类型的概率分布函数以及接收的目标置信限值，确定最能与本次惯性导航***精度评定的测试匹配的目标测试次数，进而有效保证了测试结果的可信度。
Description
技术领域
本发明涉及导航***技术，尤其涉及一种惯性导航***精度评定的测试方法及装置。
背景技术
惯性导航***是舰船、飞机、导弹等各类运载体的主要导航设备和姿态基准设备。为了准确获知惯性导航***的性能，对惯性导航***进行精度评定成为惯性导航***投入使用前的必备环节。
一般来说，为了保证得到真实可信的测试结果，惯性导航***会重复进行多次精度评定。但是，在现有的惯性导航***精度评定的测试过程中，测试次数的确定需要依靠人工经验值。也就是说，由测试人员直接根据自身经验对惯性导航***精度评定的测试次数进行确定，其受测试人员的主观影响较大，从而造成现有的测试结果的可信度受到影响。
发明内容
为了解决现有技术中存在的惯性导航***精度评定的测试中，测试次数是由测试人员根据自身经验确定的，而导致的测试结果可信度受到影响的问题，本发明提供了一种惯性导航***精度评定的测试方法及装置。
一方面来说，本申请提供了一种惯性导航***精度评定的测试方法，包括：
接收当前测试条件下的条件置信度和预设的结论置信度；
计算所述结论置信度和所述条件置信度的比值，获得样本置信度；
根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线；
根据接收的目标置信限值和所述关系曲线确定目标测试次数。
进一步地，所述预设类型的概率分布函数为t分布函数；所述置信限值包括均值置信上限值和均值置信下限值；
相应的，所述根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，包括：
根据所述样本置信度确定所述t分布函数的分位线，根据测试次数确定所述t分布函数的自由度；
根据所述t分布函数的分位线、所述t分布函数的自由度确定在各测试次数下的t分布函数取值；
根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，并得到所述关系曲线。
进一步地，所述根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，包括：
根据公式(1)计算与每个测试次数对应的均值置信上限值：
根据公式(2)计算与每个测试次数对应的均值置信下限值：
其中，所述Lt,p为均值置信上限值；所述Lt,n为均值置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的t分布函数取值。
进一步地，所述预设类型的概率分布函数为χ2分布函数；所述置信限值包括标准差置信上限值和标准差置信下限值；
相应的，所述根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，包括：
根据所述样本置信度确定所述χ2分布函数的分位数，根据测试次数确定所述χ2分布函数的自由度；
根据所述χ2分布函数的分位线、所述χ2分布函数的自由度确定在各测试次数下的χ2分布函数取值；
根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，并得到所述关系曲线。
进一步地，所述根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，包括：
根据公式(3)计算与每个测试次数对应的标准差置信上限值：
根据公式(4)计算与每个测试次数对应的标准差置信下限值：
其中，所述
为标准差置信上限值；所述
为标准差置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值；所述
为当自由度为(N-1)时,分位线为的χ2分布函数取值。
另一方面，本发明还提供了一种惯性导航***精度评定的测试装置，包括：
收发模块，用于接收当前测试条件下的条件置信度和预设的结论置信度；
计算模块，用于计算所述结论置信度和条件置信度的比值，获得样本置信度；
关系曲线获取模块，用于根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线；
处理模块，用于根据接收的目标置信限值和所述关系曲线确定目标测试次数。
进一步地，所述预设类型的概率分布函数为t分布函数；所述置信限值包括均值置信上限值和均值置信下限值；
相应的，所述关系曲线获取模块，具体用于：
根据所述样本置信度确定所述t分布函数的分位线，根据测试次数确定所述t分布函数的自由度；
根据所述t分布函数的分位线、所述t分布函数的自由度确定在各测试次数下的t分布函数取值；
根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，并得到所述关系曲线。
进一步地，所述关系曲线获取模块，具体用于：
根据公式(1)计算与每个测试次数对应的均值置信上限值：
根据公式(2)计算与每个测试次数对应的均值置信下限值：
其中，所述Lt,p为均值置信上限值；所述Lt,n为均值置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述为当自由度为(N-1)时,分位线为
的t分布函数取值。
进一步地，所述预设类型的概率分布函数为χ2分布函数；所述置信限值包括标准差置信上限值和标准差置信下限值；
相应的，所述关系曲线获取模块，具体用于：
根据所述样本置信度确定所述χ2分布函数的分位线，根据测试次数确定所述χ2分布函数的自由度；
根据所述χ2分布函数的分位线、所述χ2分布函数的自由度确定在各测试次数下的χ2分布函数取值；
根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，并得到所述关系曲线。
进一步地，所述关系曲线获取模块，具体用于：
根据公式(3)计算与每个测试次数对应的标准差置信上限值：
根据公式(4)计算与每个测试次数对应的标准差置信下限值：
其中，所述
为标准差置信上限值；所述
为标准差置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值。
本发明提供了一种惯性导航***精度评定的测试方法及装置，通过接收当前测试条件下的条件置信度和预设的结论置信度，计算所述结论置信度和条件置信度的比值，获得所述样本置信度，根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，根据接收的目标置信限值和所述关系曲线确定目标测试次数，从而能够依据当前测试条件的条件置信度，预设的结论置信度，预设类型的概率分布函数以及接收的目标置信限值，确定最能与本次惯性导航***精度评定的测试匹配的目标测试次数，进而有效保证了测试结果的可信度。
附图说明
图1为本发明实施例一提供的一种惯性导航***精度评定的测试方法的流程示意图；
图2为本发明实施例一提供的惯性导航***精度评定的测试方法所获得的一种关系曲线的示意图；
图3为本发明实施例一提供的惯性导航***精度评定的测试方法所获得的另一种关系曲线的示意图；
图4为本发明实施例二提供的一种惯性导航***精度评定的测试装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
惯性导航***是舰船、飞机、导弹等各类运载体的主要导航设备和姿态基准，尤其对于核潜艇，其地位更加重要。为了准确获知惯性导航***的性能，对惯性导航***的精度进行评定成为必不可少的环节。一般来说，为了保证得到真实可信的测试结果，往往会对惯性导航***精度评定进行多次测试。
目前，测试次数的选取主要是根据测试人员的人工经验确定的。测试人员在确定测试次数时，无法将包括惯性导航***试验周期、外场试验测量难度以及天气因素制约等在内的客观因素以及惯性导航***在使用上的精度需求结合并进行综合考虑。这样的测试次数的确定方式主观性很强，其所获得的测试结果的可信度将受到影响，由于测试次数可能与测试目的以及实际测试条件无法进行精准匹配，其进行测试时的测试成本也相对较高。因此，亟需寻找一种可根据测试目的以及实际测试条件对测试次数进行有效统计和具体量化的方法，以提高现有测试结果的可信度。
图1为本发明实施例一提供的一种惯性导航***精度评定的测试方法的流程示意图，如图1所示，该方法包括：
步骤101、接收当前测试条件下的条件置信度和预设的结论置信度。
需要说明的是，本发明提供的惯性导航***精度评定的测试方法的执行主体具体可为惯性导航***精度评定的测试装置，其具体可为由处理器，存储器，逻辑组合电路，芯片组等硬件结构组成的物理设备，其中存储器中存有可用于实现本发明提供的惯性导航***精度评定的测试方法的代码逻辑。
具体来说，当前测试条件下的条件置信度是指在当前测试条件下用测试样本所估计的误差置信区间能够覆盖***真实误差的可能性，其由测试***与被测试***的相对精度、测试环境、录取设备精度等因素共同决定，其具体可用百分比表示。预设的结论置信度指本次测试可以接受的测试结果的置信程度，其具体取决于测试的惯性导航***的用途，可用百分比表示。
步骤102、计算结论置信度和条件置信度的比值，获得样本置信度。
具体来说，样本置信度是指在对惯性导航***精度评定进行测试的过程中所选取的测试样本所估计的误差置信区间能够覆盖***真实误差的可能性，其可对结论置信度和条件置信度进行比值计算获取，并用百分比表示,即样本置信度＝结论置信度÷条件置信度×100％。
步骤103、根据样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线。
具体来说，由于惯性导航***精度评定的各次测试之间是相互独立的，因此可认为在采用各次试验时的测试误差符合正态分布函数。可利用统计学的概率分布函数，定量获得在本次测试的条件置信度和结论置信度下的测试次数和对应的置信限值的关系曲线。其中，置信限值是指测试样本***误差估计值、随机误差估计值对***误差、随机误差的偏离程度。
进一步来说，如果利用
表示惯性导航******误差μx，惯性导航******误差估计值
以及惯性导航***标准偏差估计值S之间的关系的话，其中的Lt,p则表示均值置信上限值，Lt,n则表示均值置信下限值，其二者的取值则可根据概率分布函数、测试次数以及样本置信度确定。
优选地，步骤103中的预设类型的预概率分布函数具体可为t分布函数，相应的置信限值则具体可为均值置信上限值和均值置信下限值，其中，均值置信上限值和均值置信下限值用于表示***误差估计值偏离***误差的程度。
需要说明的是，在概率论和统计学中，t分布函数经常应用在对呈正态分布的总体的均值进行估计。t分布函数的曲线形态与t分布函数的自由度大小有关：与标准正态分布曲线相比，自由度越小，t分布函数曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度愈大，t分布函数曲线愈接近正态分布曲线，当自由度趋于无穷时，t分布函数曲线为标准正态分布曲线。
也就是说，根据样本置信度确定t分布函数的分位线，根据测试次数确定t分布函数的自由度，根据t分布函数的分位线、t分布函数的自由度确定在各测试次数下的t分布函数取值，根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，并得到关系曲线。
其中，每个测试次数所对应的均值置信上限值可根据公式(1)计算获得：
其中，Lt,p为均值置信上限值；λ为样本置信度；N为测试次数，且N为大于等于2的正整数；
为当自由度为(N-1)时,分位线为
的t分布函数取值。
根据公式(2)计算每个测试次数对应的均值置信下限值：
其中，Lt,n为均值置信下限值；λ为样本置信度；N为测试次数，N为大于等于2的正整数；
为当自由度为(N-1)时,分位线为的t分布函数取值。
举例来说，假设条件置信度为100％，结论置信度为95％，则此次测试的样本置信度为95％，即λ为95％，将λ的取值代入公式(1)和(2)中获得分位线。随后，从测试次数为2开始，依次计算每个测试次数取值所对应的自由度，并在t分布函数概率列表中查询获得在获得的分位线以及每个测试次数取值所对应的自由度下的t分布函数取值。
表1为利用上述公式(1)和公式(2)计算获得在样本置信度为95％时的测试次数与均值置信限值之间的对应关系，图2为本发明实施例一提供的惯性导航***精度评定的测试方法所获得的一种关系曲线的示意图。其中，利用表1数据可画出图2所示关系曲线，图2所示的关系曲线的横坐标为测试次数，纵坐标为均值置信限值。
表1
或者，进一步来说，如果利用
表示惯性导航***标准偏差σx，惯性导航***标准偏差估计值S之间的关系的话，其中的则表示为标准差置信上限值；
则表示为标准差置信下限值，其二者的取值则可根据概率分布函数、测试次数以及样本置信度确定。
优选地，步骤103中的预设类型的预概率分布函数具体可为χ2分布函数，相应的置信限值包括标准差置信上限值和标准差置信下限值，其中，标准差置信上限值和标准差置信下限值可用于表示随机误差估计值偏离随机误差的程度。
需要说明的是，在概率论和统计学中，当n个相互独立的随机变量均服从标准正态分布时，则该n个服从标准正态分布的随机变量的平方和将构成一新的随机变量，其分布规律则被称为χ2分布函数，其中的n也被称为自由度，当自由度n很大时，χ2分布函数似为正态分布。
也就是说，可根据样本置信度确定χ2分布函数的分位线，根据测试次数确定χ2分布函数的自由度，根据χ2分布函数的分位线、χ2分布函数的自由度确定在各测试次数下的χ2分布函数取值，根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，并得到关系曲线。
其中，每个测试次数所对应的标准差置信上限值可根据公式(3)计算获得：
其中，为标准差置信上限值；λ为样本置信度；N为测试次数，N为大于等于2的正整数；
为当自由度为(N-1)时,分位线为
的χ2分布函数取值。
根据公式(4)计算每个测试次数对应的标准差置信下限值：
其中，
为标准差置信下限值；λ为样本置信度；N为测试次数，N为大于等于2的正整数；
为当自由度为(N-1)时,分位线为
的χ2分布函数取值。
举例来说，假设条件置信度为100％，结论置信度为95％，则此次测试的样本置信度为95％，即λ为95％，将λ的取值代入公式(3)和(4)中获得分位线。随后，从测试次数为2开始，依次计算每个测试次数取值所对应的自由度，并在χ2分布函数概率列表中查询获得在获得的分位线以及每个测试次数取值所对应的自由度下的χ2分布函数取值。
表2为利用上述公式(3)和公式(4)计算获得在样本置信度为95％时的测试次数与标准差置信限值之间的对应关系，图3为本发明实施例一提供的惯性导航***精度评定的测试方法所获得的另一种关系曲线的示意图。其中，利用表2数据可画出图3所示关系曲线，图3所示的关系曲线的横坐标为测试次数，纵坐标为标准差置信限值。
表2
步骤104、根据接收的目标置信限值和关系曲线确定目标测试次数。
具体来说，在获取到置信限值与测试次数的关系曲线之后，可根据接收的目标置信限值在关系曲线中确认与该目标置信限值匹配的若干置信限值，并从这些置信限值对应的测试次数中选取测试次数最小的那个测试次数作为目标测试次数，从而使得目标次数在能够满足当前测试条件下的条件置信度和预设的结论置信度的情况下保持最小，进而实现在保证测试结果真实可信的情况下降低测试成本。
举例来说，当获取的关系曲线如图2所示时，若接收到的目标均值置信上限值为1，目标均值置信下限值为-1时，则意味着，只有均值置信上限值小于等于1且均值置信下限值大于等于-1的均值置信限值为与该目标均值置信限值匹配的均值置信限值。此时，可知这些与目标均值置信限值匹配的均值置信限值所对应的测试次数中，6次为最小的次数，因此，目标测试次数为6次。同理，也可根据图3所是关系曲线确定测试次数。
本发明提供了一种惯性导航***精度评定的测试方法，通过接收当前测试条件下的条件置信度和预设的结论置信度，计算所述结论置信度和条件置信度的比值，获得所述样本置信度，根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，根据接收的目标置信限值和所述关系曲线确定目标测试次数，从而能够依据当前测试条件的条件置信度，预设的结论置信度，预设类型的概率分布函数以及接收的目标置信限值，确定最能与本次惯性导航***精度评定的测试匹配的目标测试次数，进而有效保证了测试结果的可信度。
图4为本发明实施例二提供的一种惯性导航***精度评定的测试装置的结构示意图，如图4所示，该测试装置包括：
收发模块10，用于接收当前测试条件下的条件置信度和预设的结论置信度；
计算模块20，用于计算所述结论置信度和条件置信度的比值，获得样本置信度；
关系曲线获取模块30，用于根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线；
处理模块40，用于根据接收的目标置信限值和所述关系曲线确定目标测试次数。
进一步地，所述预设类型的概率分布函数为t分布函数；所述置信限值包括均值置信上限值和均值置信下限值；相应的，所述关系曲线获取模块30，具体用于：根据所述样本置信度确定所述t分布函数的分位线，根据测试次数确定所述t分布函数的自由度；根据所述t分布函数的分位线、所述t分布函数的自由度确定在各测试次数下的t分布函数取值；根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，并得到所述关系曲线。
举例来说，关系曲线获取模块30，具体用于：
根据公式(1)计算与每个测试次数对应的均值置信上限值：
根据公式(2)计算与每个测试次数对应的均值置信下限值：
其中，所述Lt,p为均值置信上限值；所述Lt,n为均值置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的t分布函数取值。
或者，进一步地，所述预设类型的概率分布函数为χ2分布函数；所述置信限值包括标准差置信上限值和标准差置信下限值；
相应的，所述关系曲线获取模块30，具体用于：根据所述样本置信度确定所述χ2分布函数的分位线，根据测试次数确定所述χ2分布函数的自由度；根据所述χ2分布函数的分位线、所述χ2分布函数的自由度确定在各测试次数下的χ2分布函数取值；根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，并得到所述关系曲线。
举例来说，所述关系曲线获取模块30，具体用于：
根据公式(3)计算与每个测试次数对应的标准差置信上限值：
根据公式(4)计算与每个测试次数对应的标准差置信下限值：
其中，所述为标准差置信上限值；所述
为标准差置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***的具体工作过程以及相应的有益效果，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明提供了一种惯性导航***的测试装置，通过接收当前测试条件下的条件置信度和预设的结论置信度，计算结论置信度和条件置信度的比值，获得样本置信度，根据样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，根据接收的目标置信限值和关系曲线确定目标测试次数，从而能够依据当前测试条件的条件置信度，预设的结论置信度，预设类型的概率分布函数以及接收的目标置信限值确定与本次惯性导航***精度评定的测试最为匹配的目标测试次数，进而有效保证了测试结果的可信度。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种惯性导航***精度评定的测试方法，其特征在于，包括：
接收当前测试条件下的条件置信度和预设的结论置信度，其中，所述条件置信度指在当前测试条件下用测试样本所估计的误差置信区间能够覆盖***真实误差的可能性，所述预设的结论置信度指本次测试可以接受的测试结果的置信程度；
计算所述结论置信度和所述条件置信度的比值，获得样本置信度；
根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，其中，所述置信限值是指测试样本***误差估计值、随机误差估计值对***误差、随机误差的偏离程度；
根据接收的目标置信限值和所述关系曲线确定目标测试次数；
其中，所述预设类型的概率分布函数包括t分布函数或者χ2分布函数；
所述预设类型的概率分布函数为t分布函数；所述置信限值包括均值置信上限值和均值置信下限值；
相应的，所述根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，包括：
根据所述样本置信度确定所述t分布函数的分位线，根据测试次数确定所述t分布函数的自由度；
根据所述t分布函数的分位线、所述t分布函数的自由度确定在各测试次数下的t分布函数取值；
根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，并得到所述关系曲线；
所述预设类型的概率分布函数为χ2分布函数；所述置信限值包括标准差置信上限值和标准差置信下限值；
相应的，所述根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，包括：
根据所述样本置信度确定所述χ2分布函数的分位线，根据测试次数确定所述χ2分布函数的自由度；
根据所述χ2分布函数的分位线、所述χ2分布函数的自由度确定在各测试次数下的χ2分布函数取值；
根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，并得到所述关系曲线。
2.根据权利要求1所述的测试方法，其特征在于，所述根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，包括：
根据公式(1)计算与每个测试次数对应的均值置信上限值：
根据公式(2)计算与每个测试次数对应的均值置信下限值：
其中，所述Lt,p为均值置信上限值；所述Lt,n为均值置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的t分布函数取值。
3.根据权利要求1所述的测试方法，其特征在于，所述根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，包括：
根据公式(3)计算与每个测试次数对应的标准差置信上限值：
根据公式(4)计算与每个测试次数对应的标准差置信下限值：
其中，所述
为标准差置信上限值；所述为标准差置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值；所述
为当自由度为(N-1)时,分位线为的χ2分布函数取值。
4.一种惯性导航***精度评定的测试装置，其特征在于，包括：
收发模块，用于接收当前测试条件下的条件置信度和预设的结论置信度，其中，所述条件置信度指在当前测试条件下用测试样本所估计的误差置信区间能够覆盖***真实误差的可能性，所述预设的结论置信度指本次测试可以接受的测试结果的置信程度；
计算模块，用于计算所述结论置信度和条件置信度的比值，获得样本置信度；
关系曲线获取模块，用于根据所述样本置信度和预设类型的概率分布函数，获得各测试次数和对应的置信限值的关系曲线，其中，所述置信限值是指测试样本***误差估计值、随机误差估计值对***误差、随机误差的偏离程度；
处理模块，用于根据接收的目标置信限值和所述关系曲线确定目标测试次数；
其中，所述预设类型的概率分布函数包括t分布函数或者χ2分布函数；
所述预设类型的概率分布函数为t分布函数；所述置信限值包括均值置信上限值和均值置信下限值；
相应的，所述关系曲线获取模块，具体用于：
根据所述样本置信度确定所述t分布函数的分位线，根据测试次数确定所述t分布函数的自由度；
根据所述t分布函数的分位线、所述t分布函数的自由度确定在各测试次数下的t分布函数取值；
根据在各测试次数下的t分布函数取值获得各测试次数对应的均值置信上限值和均值置信下限值，并得到所述关系曲线；
所述预设类型的概率分布函数为χ2分布函数；所述置信限值包括标准差置信上限值和标准差置信下限值；
相应的，所述关系曲线获取模块，具体用于：
根据所述样本置信度确定所述χ2分布函数的分位线，根据测试次数确定所述χ2分布函数的自由度；
根据所述χ2分布函数的分位线、所述χ2分布函数的自由度确定在各测试次数下的χ2分布函数取值；
根据在各测试次数下的χ2分布函数取值获得各测试次数对应的标准差置信上限值和标准差置信下限值，并得到所述关系曲线。
5.根据权利要求4所述的测试装置，其特征在于，所述关系曲线获取模块，具体用于：
根据公式(1)计算与每个测试次数对应的均值置信上限值：
根据公式(2)计算与每个测试次数对应的均值置信下限值：
其中，所述Lt,p为均值置信上限值；所述Lt,n为均值置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的t分布函数取值。
6.根据权利要求4所述的测试装置，其特征在于，所述关系曲线获取模块，具体用于：
根据公式(3)计算与每个测试次数对应的标准差置信上限值：
根据公式(4)计算与每个测试次数对应的标准差置信下限值：
其中，所述为标准差置信上限值；所述
为标准差置信下限值；所述λ为样本置信度；所述N为测试次数且所述N为大于等于2的正整数；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值；所述
为当自由度为(N-1)时,分位线为
的χ2分布函数取值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710719078.2A CN107677290B (zh) | 2017-08-21 | 2017-08-21 | 惯性导航***精度评定的测试方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710719078.2A CN107677290B (zh) | 2017-08-21 | 2017-08-21 | 惯性导航***精度评定的测试方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107677290A CN107677290A (zh) | 2018-02-09 |
| CN107677290B true CN107677290B (zh) | 2020-02-07 |
Family
ID=61134816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710719078.2A Active CN107677290B (zh) | 2017-08-21 | 2017-08-21 | 惯性导航***精度评定的测试方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107677290B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110262947B (zh) * | 2018-03-12 | 2022-05-17 | 腾讯科技（深圳）有限公司 | 阈值告警方法、装置、计算机设备及存储介质 |
| CN112131105B (zh) * | 2020-09-16 | 2023-05-30 | 电信科学技术第十研究所有限公司 | 一种测试数据的构造方法及装置 |
| CN113447045B (zh) * | 2021-06-24 | 2023-01-17 | 中国船舶重工集团公司第七0七研究所 | 一种惯性***精度可靠度分析方法及*** |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101261717A (zh) * | 2008-04-09 | 2008-09-10 | 北京航空航天大学 | 基于云模型的主观信任评价方法 |
| CN102494699B (zh) * | 2011-12-14 | 2014-08-13 | 中国人民解放军国防科学技术大学 | 捷联式航空重力仪测量参数置信度评估方法 |
| CN103187804B (zh) * | 2012-12-31 | 2015-04-15 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
| CN103218495B (zh) * | 2013-04-23 | 2016-04-27 | 北京航空航天大学 | 一种基于竞争失效的通信***可靠性统计试验方案的设计方法 |
| CN104807479A (zh) * | 2015-05-20 | 2015-07-29 | 江苏华豪航海电器有限公司 | 一种基于主惯导姿态变化量辅助的惯导对准性能评估方法 |
| CN106202929B (zh) * | 2016-07-11 | 2019-02-26 | 中国人民解放军国防科学技术大学 | 一种基于Bayes混合模型的命中精度评估方法 |
-
2017
- 2017-08-21 CN CN201710719078.2A patent/CN107677290B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107677290A (zh) | 2018-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wylie et al. | The non-line of sight problem in mobile location estimation | |
| CN107677290B (zh) | 惯性导航***精度评定的测试方法及装置 | |
| KR101811760B1 (ko) | Gbas 지상시스템 기반의 쿨백-라이블러 발산을 이용한 전리층 이상 감시장치 및 방법 | |
| US20230046671A1 (en) | Method and device for eliminating non-line of sight errors of time of arrival measurement values, and terminal | |
| US20210216609A1 (en) | Degradation detection system | |
| CN110287537A (zh) | 用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法 | |
| CN105652298B (zh) | 一种bds三频伪距相位组合的周跳探测修复方法及装置 | |
| CN108495265B (zh) | 一种室内定位方法、装置及计算设备 | |
| CN116609642B (zh) | 芯片测试误差的补偿方法、装置、电子设备及存储介质 | |
| CN110765005B (zh) | 软件可靠性评估方法和装置 | |
| CN112995893A (zh) | 一种指纹定位方法、***、服务器和存储介质 | |
| US20180128701A1 (en) | Strain gage calibration system | |
| CN111640096B (zh) | 电子产品外观的检测方法、装置及终端 | |
| CN115579304A (zh) | 晶圆检测方法、装置、计算机设备及可读存储介质 | |
| JP6394787B2 (ja) | 製品検査装置、製品検査方法及びコンピュータプログラム | |
| CN108269004B (zh) | 产品寿命分析方法及终端设备 | |
| CN108038317B (zh) | 精密仪器性能参数保持期预测方法和*** | |
| Рижов et al. | Metrological support of maintenance by the technical state of communication means | |
| US11719750B2 (en) | Measurement uncertainty and measurement decision risk analysis tool and related methods | |
| Aouada et al. | Application of the bootstrap to source detection in nonuniform noise | |
| CN109921867A (zh) | 一种误码率提前判决方法和判决装置 | |
| CN113381910B (zh) | 多星粗校时完好性分析方法、装置、计算机设备和介质 | |
| CN117373524B (zh) | 存储芯片老化测试的监控方法及*** | |
| CN113407411A (zh) | 一种直播场景中线上数据的准确性监测装置及方法 | |
| CN116070972B (zh) | 汽车零部件抽检的方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210513 Address after: 361000 unit 04, 4th floor, 608 Lingdou West Road, Siming District, Xiamen City, Fujian Province Patentee after: Xiamen Tianyu Fengrong Technology Co.,Ltd. Address before: 100191 b613, new main building of Beijing University of Aeronautics and Astronautics, 37 Xueyuan Road, Haidian District, Beijing Patentee before: BEIHANG University |