[发明专利]基于相互一致性的多源数据融合异常值识别方法

说明书

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。

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系统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：

其中，C_ik为第i个数据源D_i中的第k个测元，为第j个数据源，i,j＝1,2,…,m，i≠j，k＝1,2,…,n_i，n_i为第i个数据源D_i中测元的数量，n_j为第j个数据源D_j中测元的数量。

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C_ik的一致性得分S_ik＝0，一致性判断总数P_ik＝0；

S3.2、对于数据源D_i，列出数据源D_i所有测元中与其他数据源的测元建立的函数关系式：

S3.3、判断是否成立，其中，δ_ik为给定阈值；