基于中值滤波实现遥测视速度数据异常值识别*

张　东

(92941部队　葫芦岛　125000)



基于中值滤波实现遥测视速度数据异常值识别*

张东

(92941部队葫芦岛125000)

摘要在试验过程中，由于记录设备故障或测量精度限制等因素，遥测数据不可避免地存在异常值，针对此问题提出采用中值滤波实现遥测视速度异常值识别。制定了异常数据处理流程，给出误码率Pe=0.005时的仿真遥测正负通道异常值识别结果，并在试验任务中得到具体应用，取得很好的识别效果。

关键词中值滤波; 遥测; 视速度; 异常值

Class NumberTP312

1引言

在遥测信息测量过程中，由于来自环境、设备以及合作目标的各种突发因素影响，或者设备操作误差和信息记录的过失，致使观测数据在某些时刻或某些段落出现较大的误差，与目标运动规律明显不符合，这些观测数据称为异常数据(或野值)。如果不修正测量数据中的异常值，会导致滤波效果变差，测量值失真，影响数据的置信度和系统控制性能，因此对观测数据预处理时，必须识别异常数据并加以修补。

异常数据对一些经典的处理方法(例如，基于最小二乘拟合的多项式滤波、平滑与微分平滑、Kalman滤波及预报等)会产生不利影响。中值滤波是一种非线性的噪声处理方法，具有良好的边缘保持特性和抑制脉冲噪声的能力。文中重点探讨中值滤波在遥测视速度数据异常值识别中的应用，分别对仿真和实测数据的异常值进行识别[1]。

2中值滤波器

中值滤波器是非线性滤波器，基本原理是把数字序列中任一点的值用该点邻域内各点值的中值来代替，具有计算简单，抗差性强，对于滤除脉冲形式的异常值非常有效。中值滤波在参数估计族中是最稳健的，其小样本崩溃点接近50%，即在观测数据集合的任一非空子集中，当异常数据的个数不足一半时算法都不会崩溃[2]。构造如下的滑动窗长度为(2n+1)的中值滤波器：

yi=med(xi-n,…,xi,…,xi+n)

其中,med()为中值算子，其主要特性包括三点：

1) 对于某些特定输入信号(例如，单调递增或递减信号)，中值滤波输出不变，即

xi=med(xi-n,…,xi,…,xi+n)

2) 中值滤波可用来减弱随机干扰和脉冲干扰，特别是对于脉冲宽度小于滑动窗口长度一半的窄脉冲干扰，滤波效果很好。

3) 输入信号经过中值滤波后，频谱基本保持不变。

原始遥测脉冲视速度数据是二进制码数据，且正负通道的遥测数据单调递增的，中值滤波器进行异常数据识别恰好利用了遥测数据这个特点。可以通过下式判断数据xi是否异常值：

这里，k值一般可以取2或3，σ为滑动窗内测量值的均方差。

遥测误码率在正常的情况下很小，在级间分离等特殊段时，误码率会增加，这时利用中值滤波器，则可以很好地保护级间段这个边缘信息。

3异常数据识别仿真

通过异常数据处理流程，建立仿真识别程序，分析在具有一定误码率的条件下，该方法识别的效果。

图1　异常数据识别仿真流程图

下面给出误码率Pe=0.005条件下的仿真识别结果。其中k=3，n=10，图2和图3给出仿真正负通道数据，图5和图6给出正负两个方向的识别结果。

图2　仿真正通道数据

图3　仿真负通道数据

图4　加入误码的真实位置

图5　正方向的识别结果

图6　负方向的识别结果

当Pe=0.005时，通过图5和6的比较可发现此时无论是正方向还是负方向均可完全识别。上图说明中值滤波器对于变化较小的数据效果较好，如正通道(1～600)。在处理遥测数据时，运用中值滤波器，结合正负通道数据的互补性，即：正通道数据有变化，负通道数据无变化，反之亦然，可获得较好的异常数据识别效果[3～10]。

4异常数据识别实算结果

遥测数据由于受到传输路径干扰有时存在成片的异常数据，严重影响遥测数据的质量。中值滤波器不仅能识别孤立的异常值，而且能识别成片的异常值。利用中值滤波器，得到某次试验任务遥测XYZ三方向脉冲差值数据的异常点识别情况，如图7～图9所示。

图7　X方向的异常点识别结果

图8　Y方向的异常点识别结果

图9　Z方向的异常点识别结果

图中横坐标为数据所在行数，即时间轴，数据采样间隔为0.025s；纵坐标为遥测原始分层值。由图可知，X方向异常点为6个，Y方向经识别无异常点，Z方向异常点为14个。以X方向的异常点为例，具体识别结果如表1所示。

表1　X方向异常数据识别结果

5结语

对异常值进行有效检测，以合理可信的预测值代之是飞行控制中不可缺少的步骤之一。本文利用中值滤波技术对遥测视速度的仿真和实测数据进行了异常值识别，实验证明其效果明显。同时，为克服或减小自身缺点，中值滤波器也有很多改进得形式，如加权中值滤波器、递归中值滤波器、混合中值滤波器、二维中值滤波器等。这些方法的应用有效避免了异常值误判，将改善数据处理和分析的能力，具有较大的工程应用价值。

参 考 文 献

[1] 王正明,易东云,周海银,等.弹道跟踪数据的校准与评估[M].长沙:国防科技大学出版社,1999.

WANG Zhengming, YI Dongyun, ZHOU Haiyin. Calibration and Evaluation of Trajectory Tracking Data[M]. Changsha: National University of Defense Technology Press,1999.

[2] 闫章更.试验数据的统计分析[M].北京:国防工业出版社,2001.

YAN Zhanggeng. Statistical Analysis of test data[M]. Beijing: National Defense Industry Press,2001.

[3] 王斐,梁晓庚,郑强,等.飞行数据改进中值滤波和自适应小波降噪[J].计算机仿真,2013,30(7):75-86.

WANG Fei, LIANG Xiaogeng, ZHENG Qiang, et al. Flight Data Denoising Algorithm Using Improved Median Filter and Adaptive Threshold Shrinkage in Wavelet Transform[J]. Computer Simulation,2013,30(7):75-86.

[4] 陈健,郑绍华,余轮,等.基于方向的多阈值自适应中值滤波改进算法[J].电子测量与仪器学报,2013,27(2):156-161.

CHEN Jian, ZHENG Shaohua, YU Lun, et al. Improved Algorithm for Adaptive Median Filter with Multi-threshold Based on Directional Information[J]. Journal of Electronic Measurement and Instrument,2013,27(2):156-161.

[5] 李迅波,蒋东升,王振林.梯度相似性的椒盐图像加权中值滤波算法[J].电子科技大学学报,2012,41(1):114-119.

LI Xunbo, JIANG Dongsheng, WANG Zhenlin. Weighted Median Filtering of Im Based on Grads Similarity[J]. Journal of University of Electronic Science and Technology of China,2012,41(1):114-119.

[6] 牛敏,邬战军,牛燕雄,等.一种基于排序统计理论的快速图像中值滤波法[J].电子测量技术,2015,38(6):60-63.

NIU Min, WU Zhanjun, NIU Yanxiong, et al. Fast Image Median Filtering Method Based on Statistical Theory[J]. Electronic Measurement Technology,2015,38(6):60-63.

[7] 赵建春,刘力源.基于MATLAB中值算法的优化与实现[J].舰船电子工程,2014,238(4):37-39.

ZHAO Jianchun, LIU Liyuan. Optimization of Median Filter Algorithm Based on MATLAB[J]. Ship Electronic Engineering,2014,238(4):37-39.

[8] 许乔,巩玉振,蔡惠智.基于FPGA的大矩阵奇异值分解的实现[J].电子测量技术,2014,37(6):68-72.

XU Qiao, GONG Yuzhen, CAI Huizhi. Implementation to Solve Singular Value Decomposition of Large Matrix Size in FPGAs[J]. Electronic Measurement Technology,2014,37(6):68-72.

[9] 卢元磊,何佳洲,安瑾.目标预测中的野值剔除方法研究[J].计算机与数字工程,2013,283(5):722-725.

LU Yuanlei, HE Jiazhou, AN Jin. Outlier-discrimination Algorithm in Target-prediction[J]. Computer and Digital Engineering,2013,283(5):722-725.

[10] 赵高长,张磊,武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学,2011,32(4):678-682.

ZHAO Gaochang, ZHANG Lei, WU Fengbo. Application of Improved Median Filtering Algorithm to Image De-noising[J]. Journal of Applied Optics,2011,32(4):678-682.

收稿日期:2016年1月17日,修回日期:2016年2月24日

作者简介:张东，男，硕士，研究方向：遥测数据处理。

中图分类号TP312

DOI:10.3969/j.issn.1672-9722.2016.07.015

Abnormal Value Identification of Telemetry Apparent Velocity Data Based on Median Filter

ZHANG Dong

(No. 92941 Troops of PLA, Huludao125000)

AbstractDuo to the fault recording equipments and measurement accuracy limit of the test procedure and other factors, the abnormal value is unavoidable in telemetry data. To solve this problem，the median filter is used to abnormal value identification of telemetry apparent velocity data. The abnormal value data processing procedure is set up. The identification results of the abnormal data of the positive and negative channel under bit error rate=0.005 are given. And it has been used in the tests. Good results have been achieved.

Key Wordsmedian filter, telemetry, apparent velocity, abnormal value