[发明专利]用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法

说明书

本发明属于频率标准故障检测技术领域，公开了一种用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法，所述用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法包括：野值自适应卡尔曼滤波利用观测数据进行递推滤波的同时，根据事实的得到的量测新息的实际方差与理论方差的比值；根据先验频率偏差矩阵得到后验频率偏差的矩阵，据先验频率偏差的先验均方误差得到频率偏差的增益矩阵，根据增益矩阵得到后验频率偏差均方误差的矩阵。带有频率跳变或者野值的样本数据常常会使卡尔曼滤波器对系统的状态预报内进行错误的修正，使得滤波的结果发生偏移，甚至发散，在新息进行加权后可以使滤波后的数据更加接近真实状态。

技术领域

本发明属于频率标准故障检测技术领域，尤其涉及一种用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法。

背景技术

针对频率标准跳变的检测方法现如今使用最多的就是最小二乘法、块平均、连续平均、最大似然估计、卡尔曼滤波算法及动态阿伦方差算法。在使用最小二乘法时，需要自动忽略变量误差后进行曲线上相应点的拟合，并且使用这种方法进行频率跳变检测时会出现检测精度不够高的问题，并且检测较多的数据时会使用较长的检测时间；块平均是在相邻窗口中的平均值与选定阈值之间进行对比的方法，这种检测方法只适用于对少量的数据进行处理，处理较多的数据时需要使用较长的时间；连续平均是一种使用搜索跳转序列的检测方法，这种方法在进行频率跳变检测时会出现假跳的现象，误检率相对较高；最大似然估计可以较为快速的检测到频率跳变，但是确是以牺牲频率跳变检测概率才能达到；动态阿伦方差方法是近几年的一种新方法，这种方法在检测频率跳变时需要使用过去的数据进行检测，所以检测速率较为缓慢，因此通常都被用来检测频率标准的稳定性，可以当做检测频率标准是否发生异常的一种方法。

卡尔曼滤波器，就目前来讲，是一个研究大热门，因为卡尔曼滤波器是一种无偏线性最小方差估计算法，属于预测性滤波算法，具有递归的优点，计算成本低，对于频率跳变具有相对较高的检测概率；同时在进行滤波时可以基于内部的分析来更新数据，无需附加方程来检测异常数据，但是卡尔曼滤波器如果在无法确定被研究对象的精确数学模型及精确噪声统计特性时，实际测量数目会不断的增加，进而导致滤波的估计误差的均值和估计误差协方差可能越来越大，最终使得滤波逐渐失去准确估计的作用，无法直接真实的反映物理过程，使得模型与获得的量测量值不匹配，滤波精度就会被削弱，严重时甚至会造成滤波发散，由于模型建立过于粗糙或失真所引起的发散称为滤波发散。并且随着卡尔曼滤波递推算法的过程，滤波的步数的增加，会导致舍入误差逐渐累积，一旦计算机字长不足，就有一定的风险使得估计误差方差真失去其非负定性甚至失去对称性，导致滤波增益矩阵逐渐失去合适的加权作用而发生发散。同时，测量仪器的不精确可能会导致单个野值的出现，野值的存在会使得滤波器误判为频标故障，导致实验结果出现错误。一般在实践中，噪声的统计特性无法被精确估计，同时伴随着科技的发展，对滤波检测概率有了更高的要求，卡尔曼滤波无法满足所需的精确度以及检测概率，同时在容错能力上，卡尔曼滤波算法确实比较不足。在实际的工程应用中，由于工作环境、测量环境的影响，或者测量仪器的测量问题导致个别数据出现突发性的误差，这些值我们称它为野值。在进行频差数据测量时，需要高精度的测量，测量方法复杂，进行测量时由于不可控的因素导致出现异常的离群值，对于这些离群值只有剔除影响才能得到更精确的数据。但是卡尔曼滤波器对于野值缺少一定的容错能力。所以需要有新的技术来提高滤波检测概率以及容错能力。

综上所述，现有技术存在的问题是：卡尔曼滤波器在无法确定被研究对象的精确数学模型及精确噪声统计特性时，滤波精度就会被大大削弱，严重时甚至会造成滤波发散。解决上述技术问题的难度：现实情况中，卡尔曼滤波器模型无法做到十分精确，同时噪声统计特性大多以估计计算为准，所以使用卡尔曼滤波器时，可能会出现滤波精度不足的问题，并且可能会出现错判的情况，所以如何能够将数据进行自动调整，识别出野值的存在，以及自适应的调整数据精度就是现有的一个问题。

解决上述技术问题的意义：如果能够添加一个抗野值自适应因子根据实际数据进行自适应调整滤波后数据，那么将能够自动识别野值并且进行自适应的调整，同时能够根据测量数据以及先验数据调整提高现有滤波精度。

发明内容