[发明专利]空间交叉识别多传感器奇异失真数据的方法

权利要求书

1.一种空间交叉识别多传感器奇异失真数据的方法，其特征在于：1)采用基于数据变化率的识别算法，找出发生失真的数据点位置的集合M1，2)采用基于关联稳态模型方法对数据进行处理，找出发生失真的数据点位置的集合M2，3)或者直接将M1或M2提供给后续的结构评估程序，或者对M1、M2取交集M_失真＝M1∩M2后再提供给后续的结构评估程序；

(一)采用基于数据变化率的识别算法，找出发生失真的数据点位置的方法为：

当某一采集到的数据为x_i时，它的数据变化率为y_i，则根据下式判断该数据是否失真：

|y_i-M|＞Δ时，w_i＝-1，此时数据失真，

|y_i-M|＜Δ时，w_i＝1，此时数据正常；

其中，M为聚类中心值；

Δ为设定的阈值；

w_i为数据状态值；

发生失真的数据点位置的集合即构成M1；

前式中，确定阈值Δ的方法为：

由下式计算数据变化率与聚类中心值的距离K_i(y_i，M)，

得到数据组K＝{k₂，k₃，…，k_i，…，k_n}i＝2，3，…，n；

根据下式确定阈值，

Δ＝g·max(K)

其中，g为参数的安全系数；

(二)基于关联稳态模型方法对数据进行处理，找出发生失真的数据点位置，包括：(1)选取适当的主元个数，建立主元模型，(2)计算样本的主元值、估计值和残差，(3)根据步骤(2)的计算结果进行统计假设检验，判断过程有无故障，也即判断数据是否失真；

其中，步骤(1)选取适当的主元个数，建立主元模型，包括：

[1]若有测量数据集X，即样本X∈R^n×m，利用主元计算方法得到主元矩阵 和负荷向量矩阵P_H＝[p₁…p_m]∈R^m×m，其中，R为相关矩阵的统一表示形式；

n为样本数，m为测量变量数；

t₁为第一主元，p₁为t₁的载荷；

t₁^T为t₁的矩阵转置；

[2]把T_H和P_H分别分解为T_H＝[T，T_r]和P_H＝[P，P_r]， 

其中，T∈R^n×l为前l个主元构成的矩阵，P∈R^m×l为T的负荷矩阵；

T_r∈R^n×(m-l)为后(m-l)个主元构成的矩阵，P_r∈R^m×(m-l)为T_r的负荷矩阵；

[3]根据下式计算主元的个数η_l：

其中，λ_i为第i个主元的方差，也即第i个特征值；

[4]根据主元个数，建立主元模型如下，

T＝XP。