[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

说明书

本发明涉及一种基于密度聚类的在线野值检测、识别与修正方法，首先采集数据计算密度聚类参数邻域半径和密度阈值；然后计算当前时刻数据点的前半邻域内数据点个数；将邻域半径内数据点个数与密度阈值进行比较来判断为正常信号核心点、正常信号边界点和野值点；如果当前点为野值点，对其进行多项式拟合修正；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。本发明方法对渐变连续型野值处理效果优于传统方法。

技术领域

本发明属于野值处理方法技术领域，具体涉及一种利用密度特征完成野值的检测、识别和修正方法。

背景技术

在进行低频磁场测量时，3分量磁传感器测量的磁场数据往往由于测量电路、存储、平台、环境和人员等因素影响而出现异于正常信号的数据点，即野值。野值时实验测量中经常遇到的现象，测量数据中出现的野值可以分成孤立型野值和连续型野值，孤立型野值为单个的脱离正常数据范围的点；连续型野值为多个连续的脱离正常数据范围的数据点，这种野值既有突然偏离正常数据的突变型，也有逐渐偏离正常数据的渐变型。野值的存在会严重影响处理结果的准确度和精度，特别是在测量中出现的野值同正常信号具有相似的频率特性或影响背景频谱的而导致频谱估计频率出错或降低信噪比，混淆最终的检测和估计性能，因此有必要先对测量数据进行野值的检测、识别和修正。

目前野值检测与识别方法按照原理可以分为：(1)通过传统的数据统计学方法对野值进行检测，例如：莱特准则、罗曼诺夫斯基准则、肖维勒准则、格拉布斯准则([1]侯博文,王炯琦,周萱影,李冬,何章鸣.弹道跟踪数据野值剔除方法性能分析[J].上海航天,2018,35(04):91-100.)等；(2)通过预测和比较的方式对野值进行检测，例如：基于最小二乘法的野值剔除方法([2]CN201710204424.3申请日期：2017-03-31)，Kalman滤波法([3]马姓.基于UKF的自适应野值剔除算法[J].计算机测量与控制,2016,24(08):283-285.)等；还有一些其他方法：比如插值剔除法([4]高冰.内弹道异常判决中的实时野值剔除方法[J].计算机与数字工程,2017,45(06):1035-1037.)、差分辅助中值滤波法([5]孟庆海.差分辅助中值滤波外弹道野值检测与剔除方法[J].科学技术与工程,2012,12(36):9924-9927+9932.)等。这些方法都是针对孤立型和突变连续型野值具有较好的检测效果，但对渐变连续型野值处理效果较差。

发明内容

要解决的技术问题

为了克服现有方法不能兼顾识别三种不同类型野值，特别是对渐变连续型野值检测识别效果较差的缺点，进而由于野值导致出现干扰频率分量，混淆后续检测、估计与判断。

技术方案

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)