[发明专利]一种MEO卫星辐射剂量数据缺失和异常值实时处理方法

权利要求书

1.一种MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，包括以下步骤：

步骤1，选择设定时长的探测数据作为训练集；

步骤2，从卫星搭载的各台辐射剂量探测仪所记录的数据中学习辐射剂量数据的震荡周期T；

步骤3，学习基于趋势和傅里叶特征的辐射剂量预测模型；

步骤4，基于预测模型对新到达辐射剂量数据进行异常值检测；

步骤5，用预测值替代新到达辐射剂量数据中的缺失值和异常值；

步骤6，重复步骤3～5，处理各台辐射剂量探测仪所记录的数据。

2.根据权利要求1所述的MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，所述的步骤1选择2～3天的探测数据作为训练集。

3.根据权利要求1所述的MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，所述的步骤2拟合所记录数据的线性趋势并将其剔除；用去趋势后的辐射剂量数据拟合带参数的正弦函数其中，a和分别为振幅和相位，从而提取震荡周期T。

4.根据权利要求3所述的MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，所述的步骤2用正弦函数拟合各探测仪去趋势后的数据，提取剩余噪声并进行高斯性检验，选择剩余噪声高斯性最强的探测仪，从该探测仪所记录的数据中学习辐射剂量数据的震荡周期。

5.根据权利要求1所述的MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，所述的步骤2针对北斗MEO卫星搭载的三台辐射剂量探测仪所产生的数据Dose1、Dose2和Dose3，选择Dose3学习辐射剂量数据的震荡周期。

6.根据权利要求1所述的MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，所述的辐射剂量预测模型其中，y_t为辐射剂量实测值，f(t)表示数据的趋势，S(t)表示数据的周期性规律，n为数据点个数，表示随机噪声。

7.根据权利要求1所述的MEO卫星辐射剂量数据缺失和异常值实时处理方法，其特征在于，所述的步骤4利用辐射剂量预测模型对未来的辐射剂量值做出预测；从训练集中学习噪声的标准差；将预测值作为期望，基于噪声标准差，利用3σ原则构建期望的正常值范围，如果新到达数据超出此范围，将其判定为异常值并剔除，否则，保留原值不做处理。