CN113743480A - 基于相互一致性的多源数据融合异常值识别方法 - Google Patents
基于相互一致性的多源数据融合异常值识别方法 Download PDFInfo
- Publication number
- CN113743480A CN113743480A CN202110954195.3A CN202110954195A CN113743480A CN 113743480 A CN113743480 A CN 113743480A CN 202110954195 A CN202110954195 A CN 202110954195A CN 113743480 A CN113743480 A CN 113743480A
- Authority
- CN
- China
- Prior art keywords
- consistency
- inequalities
- measurement
- data
- measuring
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004927 fusion Effects 0.000 title claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000005259 measurement Methods 0.000 claims description 75
- 239000000126 substance Substances 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F42—AMMUNITION; BLASTING
- F42B—EXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
- F42B35/00—Testing or checking of ammunition
- F42B35/02—Gauging, sorting, trimming or shortening cartridges or missiles
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提出了一种基于相互一致性的多源数据融合异常值识别方法,用于解决现有异常值识别方法误判概率大,连续多点异常无法正确识别的技术问题。其步骤为:首先,根据观测设备的不同划分为m个不同的数据源;其次,构建m个数据源中两两数据源之间的函数关系;最后,根据函数关系判断数据源中的测元是否异常。本发明通过判定测元与其他数据源测元的函数关系是否在正常范围内来判断数据一致性,适用于三个及以上独立的数据源,不依赖于单一数据的连续性,可将绝大多数的异常值识别出来;对孤立的单一数据源的异常值判断方法具有很好的补充功能,对连续的或非连续的异常值均有效,能够降低异常值识别误判的概率。
Description
技术领域
本发明涉及航天测控和靶场测量数据处理领域,特别是指一种基于相互一致性的多源数据融合异常值识别方法。
背景技术
异常值识别在航天测控和靶场测量***中是数据处理中的重要一环,各个测站测量设备生成的观测数据在进行进一步解算处理前,需要进行识别异常值。异常值是指严重偏离宏观目标实际运动轨迹的观测值,一般可根据观测数据随时间连续变化的规律进行异常值识别。
目前,航天测控和靶场测量领域已有经典的异常值识别修正算法,一般基于局部数据点的连续性进行判别,比如基于二阶多项式拟合的算法,但存在局部连续,整体异常的情况,导致误判。基于整体判断的算法在趋势性上判断异常值具有优势。但以上这些方法均是从单一测元的角度,根据测元本身特性进行判断的,在多源数据融合处理时,多源数据之间的信息并未充分利用。
发明内容
针对上述背景技术中存在的不足,本发明提出了一种基于相互一致性的多源数据融合异常值识别方法,在实时或事后弹道解算前进行测量数据预处理时,可以识别单一来源数据不易识别的测量数据异常,解决了现有异常值识别方法误判概率大,连续多点异常无法正确识别的技术问题。
本发明的技术方案是这样实现的:
一种基于相互一致性的多源数据融合异常值识别方法,其步骤如下:
步骤一:根据观测设备的不同划分为m个数据源,且m个数据源均不相同,m≥3;
步骤二:构建m个数据源中两两数据源之间的函数关系;
步骤三:根据函数关系判断数据源中的测元是否异常。
所述m个数据源中两两数据源之间的函数关系为:
所述根据函数关系判断数据源中的测元是否异常的方法为:
S3.1、设置测元Cik的一致性得分Sik=0,一致性判断总数Pik=0;
S3.4、Pik=Pik+1;若不等式成立,则测元Cik及的一致性得分均加1,即Sik=Sik+1,Sj1=Sj1+1,Sj2=Sj2+1,...,Sjn=Sjn+1;若不等式不成立,则一致性得分不变;
S3.6、对最终获得的一致性比率Sik/Pik进行判断,若Sik/Pik不小于50%,判断测元正常,否则,判断测元异常。
当m=3时,观测设备分别为单脉冲设备、多测速设备和GNSS设备,且单脉冲设备一台,多测速设备三台,GNSS设备一台;
建立单脉冲设备的测元与GNSS设备的测元之间的函数关系:
其中,px,py,pz是单脉冲设备的站址,m′表示时刻数;
建立多测速设备的测元与GNSS设备的测元之间的函数关系:
其中,表示第i′台多测速设备的测元,pxi′,pyi′,pzi′是第i′台多测速设备的站址,px0表示发射站站址x方向坐标,ys0表示发射站站址y方向坐标,zs0表示发射站站址z方向坐标,R0t表示t时刻目标与发射站的距离,Ri′t表示t时刻目标与第i′台多测速设备的距离;
当多测速设备的主站信号发射站与接收站为同一站时,取xs0=xs1、ys0=ys1、zs0=zs1、R0t=R1t;
建立单脉冲设备的测元与多测速设备的测元之间的函数关系:
其中,表示t时刻利用单脉冲信息差分得到的x方向的速度,表示t时刻利用单脉冲信息差分得到的y方向的速度,表示t时刻利用单脉冲信息差分得到的z方向的速度,xdt+1表示t+1时刻目标x坐标,xdt-1表示t-1时刻目标y坐标,ydt+1表示t+1时刻目标y坐标,ydt-1表示t-1时刻目标y坐标,zdt+1表示t+1时刻目标z坐标,zdt-1表示t-1时刻目标z坐标;
则有:
综上所述,有公式如下:
上式共有9个等式,考虑观测设备的测量误差,存在以下不等式:
对于测元Rt,涉及的不等式个数为4个,故测元Rt的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元Rt异常;
对于测元At,涉及的不等式个数为4个,故测元At的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元At异常;
对于测元Et,涉及的不等式个数为4个,故测元Et的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元Et异常;
对于测元xt,涉及的不等式个数为6个,故测元xt的一致性判断总数Pit=6;若不等式成立个数小于3,则判定测元xt异常;
对于测元zt,涉及的不等式个数为6个,故测元zt的一致性判断总数Pit=6;若不等式成立个数小于3,则判定测元zt异常;
对于测元yt,涉及的不等式个数为5个,故测元yt的一致性判断总数Pit=5;若不等式成立个数小于3,则判定测元yt异常;
与现有技术相比,本发明产生的有益效果为:
1)通过判定测元与其他数据源测元的函数关系是否在正常范围内来判断数据一致性,并对不同函数关系累计一致性得分,根据其一致性的比率,判断测元是否正常;适用于三个及以上独立的数据源,不依赖于单一数据的连续性,可以将绝大多数的异常值识别出来;对孤立的单一数据源的异常值判断方法具有很好的补充功能,对连续的或非连续的异常值均有效,能够降低异常值识别误判的概率。
2)加入了多源数据一致性判别技术,使之具有多源数据相互判别的能力,从数据相互关系角度,对经典异常值识别方法进行补充,即使连续多点异常,或趋势性异常,也可以识别,并且误判误修情况极少。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
具体实施方式
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种基于相互一致性的多源数据融合异常值识别方法,其步骤如下:
步骤一:根据观测设备的不同划分为m个数据源,且m个数据源均不相同,m≥3;多源数据为同一个目标的不同源观测量。根据多源数据的独立性划分数据,一般根据观测设备不同划分为不同源。假设有m个不同数据源,分别为D1、…、Dm。Di数据源有ni个测量元素(简称测元),分别为Dj数据源有nj个测量元素,分别为
步骤二:构建m个数据源中两两数据源之间的函数关系;m个不同数据源间建立可对应的函数关系如下:
由于为实测值,存在一定误差,故当时,则测元与Cik是一致的,即可以互相印证测元正确性。δik为给定阈值,可根据测元Cik及的误差特征以及函数关系确定。i,j=1,2,…,m,i≠j,k=1,2,…,ni,ni为第i个数据源Di中测元的数量,nj为第j个数据源Dj中测元的数量。
步骤三:根据函数关系判断数据源中的测元是否异常;异常值识别具体步骤为:
S3.1、设置测元Cik的一致性得分Sik=0,一致性判断总数Pik=0;
S3.4、Pik=Pik+1;若不等式成立,则测元Cik及的一致性得分均加1,即Sik=Sik+1,Sj1=Sj1+1,Sj2=Sj2+1,...,Sjn=Sjn+1;若不等式不成立,则一致性得分不变;
S3.6、对最终获得的一致性比率Sik/Pik进行判断,若Sik/Pik不小于50%,判断测元正常,否则,判断测元异常。
具体实例
假设有三种观测设备,则m=3,观测设备分别为单脉冲设备、多测速设备和GNSS设备,且单脉冲设备一台,多测速设备三台,GNSS设备一台。
建立单脉冲设备的测元与GNSS设备的测元之间的函数关系:
其中,px,py,pz是单脉冲设备的站址,m′表示时刻数。
建立多测速设备的测元与GNSS设备的测元之间的函数关系:
其中,表示第i′台多测速设备的测元,pxi′,pyi′,pzi′是第i′台多测速设备的站址,px0表示发射站站址x方向坐标,ys0表示发射站站址y方向坐标,zs0表示发射站站址z方向坐标,R0t表示t时刻目标与发射站的距离,Ri′t表示t时刻目标与第i′台多测速设备的距离。当多测速设备的主站信号发射站与接收站为同一站时,取xs0=xs1、ys0=ys1、zs0=zs1、R0t=R1t。
建立单脉冲设备的测元与多测速设备的测元之间的函数关系:
其中,表示t时刻利用单脉冲信息差分得到的x方向的速度,表示t时刻利用单脉冲信息差分得到的y方向的速度,表示t时刻利用单脉冲信息差分得到的z方向的速度,xdt+1表示t+1时刻目标x坐标,xdt-1表示t-1时刻目标y坐标,ydt+1表示t+1时刻目标y坐标,ydt-1表示t-1时刻目标y坐标,zdt+1表示t+1时刻目标z坐标,zdt-1表示t-1时刻目标z坐标。
则有:
综上所述,有公式如下:
上式共有9个等式,考虑观测设备的测量误差,存在以下不等式:
对于测元Rt,涉及的不等式个数为4个,故测元Rt的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元Rt异常;对于测元At,涉及的不等式个数为4个,故测元At的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元At异常;对于测元Et,涉及的不等式个数为4个,故测元Et的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元Et异常。
对于测元xt,涉及的不等式个数为6个,故测元xt的一致性判断总数Pit=6;若不等式成立个数小于3,则判定测元xt异常;对于测元zt,涉及的不等式个数为6个,故测元zt的一致性判断总数Pit=6;若不等式成立个数小于3,则判定测元zt异常;对于测元yt,涉及的不等式个数为5个,故测元yt的一致性判断总数Pit=5;若不等式成立个数小于3,则判定测元yt异常;对于测元涉及的不等式个数为3个,故测元的一致性判断总数Pit=3;若不等式成立个数小于2,则判定测元异常;对于测元涉及的不等式个数为3个,故测元的一致性判断总数Pit=3;若不等式成立个数小于2,则判定测元异常;对于测元涉及的不等式个数为3个,故测元的一致性判断总数Pit=3;若不等式成立个数小于2,则判定测元异常。
异常值识别修正是弹道测量数据解算处理过程中不可或缺的一步。数据处理时,必须首先对观测数据异常值进行判别和处理,保证外测数据处理结果的质量。本发明是一种能够有效地识别连续异常值点并降低误判误修概率的识别方法。实现该技术的最好方式是将基于相互一致性的多源数据融合异常值识别算法进行通用化和模块化处理,统一算法的输入参数和输出参数,对算法进行模块化包装,使该算法易于理解和使用,为弹道测量数据解算处理提供有效的预处理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于相互一致性的多源数据融合异常值识别方法,其特征在于,其步骤如下:
步骤一:根据观测设备的不同划分为m个数据源,且m个数据源均不相同,m≥3;
步骤二:构建m个数据源中两两数据源之间的函数关系;
步骤三:根据函数关系判断数据源中的测元是否异常。
3.根据权利要求2所述的基于相互一致性的多源数据融合异常值识别方法,其特征在于,所述根据函数关系判断数据源中的测元是否异常的方法为:
S3.1、设置测元Cik的一致性得分Sik=0,一致性判断总数Pik=0;
S3.4、Pik=Pik+1;若不等式成立,则测元Cik及的一致性得分均加1,即Sik=Sik+1,Sj1=Sj1+1,Sj2=Sj2+1,...,Sjn=Sjn+1;若不等式不成立,则一致性得分不变;
S3.6、对最终获得的一致性比率Sik/Pik进行判断,若Sik/Pik不小于50%,判断测元正常,否则,判断测元异常。
4.根据权利要求1所述的基于相互一致性的多源数据融合异常值识别方法,其特征在于,当m=3时,观测设备分别为单脉冲设备、多测速设备和GNSS设备,且单脉冲设备一台,多测速设备三台,GNSS设备一台;
建立单脉冲设备的测元与GNSS设备的测元之间的函数关系:
其中,px,py,pz是单脉冲设备的站址,m′表示时刻数;
建立多测速设备的测元与GNSS设备的测元之间的函数关系:
其中,表示第i′台多测速设备的测元,pxi′,pyi′,pzi′是第i′台多测速设备的站址,px0表示发射站站址x方向坐标,ys0表示发射站站址y方向坐标,zs0表示发射站站址z方向坐标,R0t表示t时刻目标与发射站的距离,Ri′t表示t时刻目标与第i′台多测速设备的距离;
当多测速设备的主站信号发射站与接收站为同一站时,取xs0=xs1、ys0=ys1、zs0=zs1、R0t=R1t;
建立单脉冲设备的测元与多测速设备的测元之间的函数关系:
其中,表示t时刻利用单脉冲信息差分得到的x方向的速度,表示t时刻利用单脉冲信息差分得到的y方向的速度,表示t时刻利用单脉冲信息差分得到的z方向的速度,xdt+1表示t+1时刻目标x坐标,xdt-1表示t-1时刻目标y坐标,ydt+1表示t+1时刻目标y坐标,ydt-1表示t-1时刻目标y坐标,zdt+1表示t+1时刻目标z坐标,zdt-1表示t-1时刻目标z坐标;
则有:
综上所述,有公式如下:
上式共有9个等式,考虑观测设备的测量误差,存在以下不等式:
对于测元Rt,涉及的不等式个数为4个,故测元Rt的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元Rt异常;
对于测元At,涉及的不等式个数为4个,故测元At的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元At异常;
对于测元Et,涉及的不等式个数为4个,故测元Et的一致性判断总数Pit=4;若不等式成立个数小于2,则判定测元Et异常;
对于测元xt,涉及的不等式个数为6个,故测元xt的一致性判断总数Pit=6;若不等式成立个数小于3,则判定测元xt异常;
对于测元zt,涉及的不等式个数为6个,故测元zt的一致性判断总数Pit=6;若不等式成立个数小于3,则判定测元zt异常;
对于测元yt,涉及的不等式个数为5个,故测元yt的一致性判断总数Pit=5;若不等式成立个数小于3,则判定测元yt异常;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110954195.3A CN113743480A (zh) | 2021-08-19 | 2021-08-19 | 基于相互一致性的多源数据融合异常值识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110954195.3A CN113743480A (zh) | 2021-08-19 | 2021-08-19 | 基于相互一致性的多源数据融合异常值识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743480A true CN113743480A (zh) | 2021-12-03 |
Family
ID=78731963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110954195.3A Pending CN113743480A (zh) | 2021-08-19 | 2021-08-19 | 基于相互一致性的多源数据融合异常值识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743480A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033984A (zh) * | 2010-11-12 | 2011-04-27 | 清华大学 | 一种基于区间型证据融合的旋转机械设备故障诊断方法 |
US20110227786A1 (en) * | 2010-03-18 | 2011-09-22 | Takeshi Ono | Abnormal value detection apparatus for satellite positioning system, abnormal value detection method, and abnormal value detection program |
CN102662390A (zh) * | 2012-04-26 | 2012-09-12 | 杭州电子科技大学 | 一种随机模糊故障特征融合的旋转机械设备故障诊断方法 |
CN106844585A (zh) * | 2017-01-10 | 2017-06-13 | 广东精规划信息科技股份有限公司 | 一种基于多源物联网位置感知的时空关系分析*** |
CN111523590A (zh) * | 2020-04-21 | 2020-08-11 | 莫毓昌 | 面向评分矩阵的多数据源融合方法 |
CN112924812A (zh) * | 2021-01-28 | 2021-06-08 | 深圳供电局有限公司 | 一种基于证据理论的电力终端错误数据辨识方法 |
-
2021
- 2021-08-19 CN CN202110954195.3A patent/CN113743480A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110227786A1 (en) * | 2010-03-18 | 2011-09-22 | Takeshi Ono | Abnormal value detection apparatus for satellite positioning system, abnormal value detection method, and abnormal value detection program |
CN102033984A (zh) * | 2010-11-12 | 2011-04-27 | 清华大学 | 一种基于区间型证据融合的旋转机械设备故障诊断方法 |
CN102662390A (zh) * | 2012-04-26 | 2012-09-12 | 杭州电子科技大学 | 一种随机模糊故障特征融合的旋转机械设备故障诊断方法 |
CN106844585A (zh) * | 2017-01-10 | 2017-06-13 | 广东精规划信息科技股份有限公司 | 一种基于多源物联网位置感知的时空关系分析*** |
CN111523590A (zh) * | 2020-04-21 | 2020-08-11 | 莫毓昌 | 面向评分矩阵的多数据源融合方法 |
CN112924812A (zh) * | 2021-01-28 | 2021-06-08 | 深圳供电局有限公司 | 一种基于证据理论的电力终端错误数据辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104853435B (zh) | 一种基于概率的室内定位方法和装置 | |
Joekes et al. | An improved attribute control chart for monitoring non-conforming proportion in high quality processes | |
CN109858526B (zh) | 一种目标跟踪中基于传感器的多目标轨迹融合方法 | |
CN110161543B (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
CN107066806B (zh) | 航迹关联方法及装置 | |
CN111722214A (zh) | 雷达多目标跟踪phd实现方法 | |
CN104715154A (zh) | 基于kmdl准则判据的核k-均值航迹关联方法 | |
CN115204212A (zh) | 一种基于stm-pmbm滤波算法的多目标跟踪方法 | |
CN105205237A (zh) | 一种基准弹道动态确定方法 | |
CN111259332B (zh) | 一种杂波环境下的模糊数据关联方法及多目标跟踪方法 | |
CN113916306B (zh) | 基于多传感信息融合的管道缺陷检测及定位方法 | |
CN109523129B (zh) | 一种无人车多传感器信息实时融合的方法 | |
Ren et al. | Improved shape-based distance method for correlation analysis of multi-radar data fusion in self-driving vehicle | |
CN113743480A (zh) | 基于相互一致性的多源数据融合异常值识别方法 | |
CN111693051B (zh) | 一种基于光电传感器的多目标数据关联方法 | |
CN108562893A (zh) | 一种外辐射源雷达多站混合跟踪方法 | |
CN112255612A (zh) | 一种雷达航迹随机抖动性评估方法 | |
CN113534135B (zh) | 一种基于离散度线性趋势检验的航迹关联方法及装置 | |
CN107271974B (zh) | 一种基于稳定角点的时空误差求取方法 | |
CN113359122B (zh) | 一种脉冲雷达测量数据合理性检验方法和装置 | |
JP2002350532A (ja) | レーダアンテナ調整誤差補正方法 | |
CN114781056A (zh) | 一种基于特征匹配的飞机整机外形测量方法 | |
CN109581305B (zh) | 一种基于历史数据的多雷达误差校正方法 | |
Sun et al. | Research on multi-source data fusion method based on Bayesian Estimation | |
CN118070231B (zh) | 一种基于聚类关联的多源多目标测量数据实时融合方法 |
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 |