[发明专利]一种基于密度聚类的在线野值检测、识别与修正方法

权利要求书

1.一种基于密度聚类的野值检测、识别与修正方法，其特征在于步骤如下：

步骤1：测量并采集数据序列(D₁,D₂,…,D_N)＝{(B₁,t₁),(B₂,t₂),…,(B_N,t_N)}，其中t代表时间坐标，B代表幅值大小；

步骤2：计算密度聚类参数：邻域半径和密度阈值：

首先计算输入信号中前N_g个信号点D_i中每个数据点到其他数据点的距离，i＝1,2…N_g：

得到一系列由l_ij组成的l；

其次计算邻域半径ε：

ε≥mean(l)+k′·std(l) (1)

其中mean(l)为对l求平均值，std(l)为l的方差；k′为大于0常数；

最后计算密度阈值MinPts，在邻域半径ε确定后，统计上述每个点的前半邻域内点的个数M_i，所述的前半邻域指某点D_i邻域以该点时间t_i为间隔划分为前、后两半中的前一半，其中前半为t<t_i、后半为t>t_i；计算密度阈值：

步骤3：计算当前t_k时刻数据点D_k(B_k,t_k)前半邻域内数据点个数M_k；计算该点到已知点，即t<t_k的点间的距离，如果距离小于邻域半径ε，那么就属于数据点D_k(t_k,x_k)半邻域内的数据点；

步骤4：将步骤3的邻域半径内数据点个数M_k与步骤2的密度阈值MinPts进行比较：如果M_k≥Minpts，D_k为正常信号核心点；如果0<M_k<Minpts且邻域内有正常信号核心点，D_k为正常信号边界点；如果0≤M_k<Minpts且邻域内无正常信号核心点，D_k为野值点；

步骤5：如果当前点D_k为野值点，对D_k进行多项式拟合修正；

步骤6：对数据进行更新，获取下一时刻的数据，并重复步骤3～7，直至全部信号点检测和修正完成，得到修正后的数据。

2.根据权利要求1所述的一种基于密度聚类的野值检测、识别与修正方法，其特征在于步骤2中所述的N_g＝400。

3.根据权利要求1所述的一种基于密度聚类的野值检测、识别与修正方法，其特征在于步骤2中所述的k＝3。

4.根据权利要求1所述的一种基于密度聚类的野值检测、识别与修正方法，其特征在于步骤5中所述的多项式拟合修正的具体方法如下：对t_k时刻前共计N_p个的数据段利用最小二乘法进行多项式拟合，所述的拟合数据段长度N_p要在该段数据内符合信号变化趋势，同时多项式的次数一般不要超过3次；取N_p＝100，采用多项式次数为2次；拟合后的二次多项式为B′＝a₀t²+a₁t¹+a₂，a₀,a₁,…,a₂为拟合的多项式系数，带入t＝t_k可获得t_k时刻野值点数据估计值B_k′＝a₀t_k²+a₁t_k¹+a₂，用估计值B_k′对B_k进行替代，并将数据点D_k的数据类型从野值点修改为正常信号核心点。