[發(fā)明專利]基于expectation maximization估計(jì)的軌道參數(shù)異常清理方法有效
| 申請(qǐng)?zhí)枺?/td> | 202110142528.2 | 申請(qǐng)日: | 2021-02-02 |
| 公開(公告)號(hào): | CN112883565B | 公開(公告)日: | 2022-04-01 |
| 發(fā)明(設(shè)計(jì))人: | 劉勁宏;杜建麗;徐勁 | 申請(qǐng)(專利權(quán))人: | 中國科學(xué)院紫金山天文臺(tái);重慶交通大學(xué) |
| 主分類號(hào): | G06F30/20 | 分類號(hào): | G06F30/20 |
| 代理公司: | 南京鐘山專利代理有限公司 32252 | 代理人: | 徐博 |
| 地址: | 210008*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 expectation maximization 估計(jì) 軌道 參數(shù) 異常 清理 方法 | ||
1.基于expectation maximization估計(jì)的軌道參數(shù)異常清理方法,其特征在于可清理空間數(shù)據(jù)編目庫中所有目標(biāo)的軌道參數(shù)異常,具體步驟如下:
步驟1,修正觀測值的清理;通過統(tǒng)計(jì)觀測值的發(fā)布時(shí)間間隔確定修正觀測值清理的閾值,或者根據(jù)已有經(jīng)驗(yàn)指定先驗(yàn)的清理閾值,以軌道周期為單位;
步驟2,觀測值軌道參數(shù)的清理;基于滑動(dòng)窗口內(nèi)多項(xiàng)式回歸與異常探測以及滑動(dòng)窗口外異常和空間事件的探測,當(dāng)前后序列趨勢不一致時(shí),序列分段并重新初始化滑動(dòng)窗口繼續(xù)探測,完成觀測值軌道參數(shù)異常清理;
步驟3,如果目標(biāo)臨近大氣再入時(shí)刻,含有負(fù)的彈道系數(shù)的觀測值全部剔除;步驟2中觀測值軌道參數(shù)的清理具體步驟如下:
步驟2.1,指定觀測值軌道參數(shù)清理;
步驟2.2,設(shè)定異常清理的先驗(yàn)參數(shù);
步驟2.3,迭代清理指定軌道參數(shù),不斷重復(fù)調(diào)整步驟2.2中的先驗(yàn)參數(shù),使得清理效果達(dá)到最佳,即數(shù)據(jù)使用率和異常值探測數(shù)量之間保持平穩(wěn);
步驟2.4,根據(jù)異常存在的復(fù)雜情況,可將序列分段,分別進(jìn)行清理;步驟2.2和步驟2.3中,基于滑動(dòng)窗口內(nèi)多項(xiàng)式回歸迭代進(jìn)行窗口內(nèi)異常值剔除的過程具體步驟如下:
步驟S1.1,指定滑動(dòng)窗口內(nèi)觀測值的數(shù)量NTLE、擬合多項(xiàng)式的階數(shù)n以及窗口內(nèi)異常探測的閾值,采用擬合多項(xiàng)式擬合窗口內(nèi)觀測值變化趨勢,所述的擬合多項(xiàng)式如下:
y=a0+a1x+a2x2+…+anxn+η=Φθ+η (1)
式中,a0至an為待估系數(shù),y為觀測值,x為觀測值的時(shí)刻,Φ為窗口內(nèi)觀測值的多項(xiàng)式系數(shù)矩陣,θ為滑動(dòng)窗口內(nèi)多項(xiàng)式的待定系數(shù),η為滑動(dòng)窗口內(nèi)觀測值的誤差;
步驟S1.2,和θ0由公式(1)根據(jù)最小二乘法提供初始值,根據(jù)公式(2a)和(2b)計(jì)算窗口內(nèi)多項(xiàng)式待定系數(shù)的期望和方差;
式中,μθ|y為滑動(dòng)窗口內(nèi)多項(xiàng)式待定系數(shù)的期望;∑θ|y為滑動(dòng)窗口內(nèi)多項(xiàng)式待定系數(shù)的方差陣;θ0為滑動(dòng)窗口內(nèi)多項(xiàng)式的初始待定系數(shù);為滑動(dòng)窗口內(nèi)觀測值誤差的方差;為滑動(dòng)窗口內(nèi)多項(xiàng)式待定系數(shù)的方差;
步驟S1.3,利用公式(3a)和(3b)迭代求解窗口內(nèi)多項(xiàng)式待定系數(shù)的期望和方差的精確估值;
式中,α為β為j為迭代次數(shù);當(dāng)||ξj-ξj+1||<ε時(shí),迭代停止,ε為由用戶指定的極小值,ξ為[α,β]T;
步驟S1.4,如果窗口內(nèi)的觀測值與擬合值之差大于指定倍數(shù)標(biāo)準(zhǔn)差σθ的值,視為異常,予以剔除。
2.如權(quán)利要求1所述的基于expectation maximization估計(jì)的軌道參數(shù)異常清理方法,其特征在于:對(duì)滑動(dòng)窗口外異常進(jìn)行剔除的具體步驟如下:
步驟S2.1,公式(4a)和(4b)獲得滑動(dòng)窗口外多個(gè)預(yù)報(bào)值的期望及其方差;
式中,μY為滑動(dòng)窗口外預(yù)報(bào)值的期望;∑Y為滑動(dòng)窗口外預(yù)報(bào)值的方差陣;為窗口外預(yù)報(bào)值的多項(xiàng)式系數(shù)矩陣;I為(NTLE+1)×(NTLE+1)階單位矩陣;
步驟S2.2,如果預(yù)報(bào)值與觀測值的差值大于指定倍數(shù)標(biāo)準(zhǔn)差σθ的值,視為異常,予以剔除;若全部大于指定倍數(shù)的標(biāo)準(zhǔn)差,則判定為新的子序列,重新初始化滑動(dòng)窗口。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國科學(xué)院紫金山天文臺(tái);重慶交通大學(xué),未經(jīng)中國科學(xué)院紫金山天文臺(tái);重慶交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110142528.2/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 基于小波平移不變閾值去噪的激光雷達(dá)波形數(shù)據(jù)處理方法
- 基于小波變換去噪的激光雷達(dá)波形數(shù)據(jù)處理方法
- 降低大規(guī)模MIMO?OFDM下行鏈路功峰均比的方法
- 一種強(qiáng)魯棒性1比特壓縮貝葉斯感知方法
- 一種基于稀疏貝葉斯學(xué)習(xí)的大規(guī)模MIMO通信系統(tǒng)的下行鏈路信道估計(jì)方法
- 一種基于屏蔽數(shù)據(jù)的開源軟件可靠性評(píng)估方法
- 一種基于實(shí)值稀疏貝葉斯學(xué)習(xí)的離格DOA估計(jì)方法
- 基于expectation maximization估計(jì)的軌道參數(shù)異常清理方法
- 基于小波平移不變閾值去噪的激光雷達(dá)波形數(shù)據(jù)處理方法
- 基于小波變換去噪的激光雷達(dá)波形數(shù)據(jù)處理方法
- 降低大規(guī)模MIMO?OFDM下行鏈路功峰均比的方法
- 一種強(qiáng)魯棒性1比特壓縮貝葉斯感知方法
- 一種基于屏蔽數(shù)據(jù)的開源軟件可靠性評(píng)估方法
- 一種基于實(shí)值稀疏貝葉斯學(xué)習(xí)的離格DOA估計(jì)方法
- 基于和速率最大化的衛(wèi)星通信用戶分組方法
- 基于expectation maximization估計(jì)的軌道參數(shù)異常清理方法
- 一種多波束衛(wèi)星的高能效智能動(dòng)態(tài)波束成形方法
- 一種基于樣本均衡和最大均值差異的跨庫語音情感識(shí)別方法
- 一種信道估計(jì)方法和裝置
- 基于時(shí)頻聯(lián)合的載波頻偏估計(jì)方法
- 基于改進(jìn)卡爾曼濾波的變參數(shù)迭代估計(jì)方法
- 電機(jī)驅(qū)動(dòng)系統(tǒng)以及電機(jī)控制裝置
- 意圖估計(jì)裝置和意圖估計(jì)方法
- 分布式驅(qū)動(dòng)電動(dòng)汽車路面自適應(yīng)縱向車速估計(jì)系統(tǒng)及方法
- 一種分布式驅(qū)動(dòng)電動(dòng)汽車路面附著系數(shù)估計(jì)系統(tǒng)
- 視線估計(jì)方法、終端及存儲(chǔ)介質(zhì)
- 一種SNR估計(jì)方法及其估計(jì)系統(tǒng)
- 估計(jì)車輛載荷的方法





