李輝芬，周錦標(biāo)，何劍偉，李曉勇，陳紅英

（中國(guó)衛(wèi)星海上測(cè)控部，江蘇江陰214431）

航天測(cè)量船外測(cè)數(shù)據(jù)異常值自適應(yīng)處理算法設(shè)計(jì)?

李輝芬，周錦標(biāo)，何劍偉，李曉勇，陳紅英

（中國(guó)衛(wèi)星海上測(cè)控部，江蘇江陰214431）

航天測(cè)量船外測(cè)數(shù)據(jù)中蘊(yùn)含有復(fù)雜的變形和船搖周期，增加了數(shù)據(jù)檢擇難度。針對(duì)船測(cè)數(shù)據(jù)特性，對(duì)多種辨識(shí)方法的檢擇效果進(jìn)行了專題研究，結(jié)合滑動(dòng)中值平滑估計(jì)模型，構(gòu)建了參數(shù)自適應(yīng)信息檢擇算法，利用周期圖方法實(shí)現(xiàn)了平滑區(qū)間的動(dòng)態(tài)調(diào)整，解決了測(cè)量船外測(cè)數(shù)據(jù)的糾錯(cuò)難題。

航天測(cè)量船；外側(cè)數(shù)據(jù)；數(shù)據(jù)特性；異常值；自適應(yīng)處理

1 引言

測(cè)量數(shù)據(jù)中，嚴(yán)重偏離大部分?jǐn)?shù)據(jù)所呈現(xiàn)趨勢(shì)的小部分?jǐn)?shù)據(jù)點(diǎn)被稱為異常值或野值。異常值的辨識(shí)和處理是數(shù)據(jù)處理工作的重要一環(huán)，它是提高處理精度、改善處理結(jié)果質(zhì)量的有效措施。航天測(cè)量船上的外測(cè)設(shè)備其基座直接固連于船體甲板上，而測(cè)量船是一個(gè)運(yùn)動(dòng)的平臺(tái)，在海上測(cè)量時(shí)是在動(dòng)態(tài)條件下進(jìn)行的，船的位置和姿態(tài)在不斷地變化，其外彈道測(cè)量獲取的測(cè)量數(shù)據(jù)中除含有跟蹤測(cè)量設(shè)備本身的測(cè)量誤差外，還疊加了船體姿態(tài)（即基座姿態(tài)）的測(cè)量誤差，在觀測(cè)序列中蘊(yùn)含有復(fù)雜的船搖周期［1］，給異常值的辨識(shí)工作帶來(lái)了難度。為了解決包含有復(fù)雜變形、船搖周期的測(cè)量船外測(cè)數(shù)據(jù)的糾錯(cuò)難題，我們針對(duì)測(cè)量船數(shù)據(jù)特性，對(duì)多種辨識(shí)方法的處理效果（以下稱為檢擇效果）進(jìn)行了專題研究。

2 船搖數(shù)據(jù)特性分析

船載測(cè)量設(shè)備對(duì)飛行目標(biāo)實(shí)施測(cè)量時(shí)，由于船舶搖擺，在測(cè)量數(shù)據(jù)中迭加了船搖信息，使原始測(cè)量數(shù)據(jù)帶有明顯的船搖數(shù)據(jù)特性，本應(yīng)比較平滑的曲線變得像船搖數(shù)據(jù)那樣帶有周期性的起伏，船搖對(duì)測(cè)量元素R、E、A都有影響，尤其對(duì)測(cè)角元素E、A的影響更加明顯。航天測(cè)量船有一套復(fù)雜的計(jì)算方法和公式完成船搖修正，除去船載外測(cè)數(shù)據(jù)中船搖造成的影響，恢復(fù)外測(cè)數(shù)據(jù)原來(lái)的特性（就像陸上測(cè)量一樣），這項(xiàng)工作在由測(cè)量坐標(biāo)系轉(zhuǎn)換到測(cè)量船慣導(dǎo)地平系的過(guò)程中完成。但在航天發(fā)射任務(wù)中測(cè)量船原始測(cè)量數(shù)據(jù)的檢擇工作在測(cè)量坐標(biāo)系就要進(jìn)行，數(shù)據(jù)中蘊(yùn)含的復(fù)雜船搖周期，給異常值的識(shí)別工作帶來(lái)了難度。從測(cè)量船跟蹤ERS2衛(wèi)星的測(cè)量系俯仰角數(shù)據(jù)曲線（圖1）可以明顯地看到，由于船搖的影響，數(shù)據(jù)曲線是一種非單調(diào)變化的數(shù)據(jù)序列。

圖1 測(cè)量船跟蹤ERS2衛(wèi)星俯仰角曲線圖Fig.1 Curve of elevation angles when a space tracking ship is tracking ERS2 satellite

船搖數(shù)據(jù)反映了船搖的客觀現(xiàn)實(shí)，研究船搖數(shù)據(jù)特性，了解船搖的運(yùn)動(dòng)規(guī)律，對(duì)于尋找一種既能提取有效信息、濾去誤差數(shù)據(jù)，又不破壞數(shù)據(jù)本身所隱含的船搖周期的檢擇算法是有幫助的。對(duì)船搖運(yùn)動(dòng)規(guī)律的認(rèn)識(shí)，有助于進(jìn)一步了解船載設(shè)備測(cè)量數(shù)據(jù)特性，建立符合船搖運(yùn)動(dòng)客觀規(guī)律的數(shù)據(jù)處理模型。我們從艏搖（即航向）、縱搖、橫搖3個(gè)方向來(lái)考慮船體的搖擺運(yùn)動(dòng)，在這3個(gè)方向它具有不同的特征表現(xiàn)。在航天測(cè)量船船搖數(shù)據(jù)中，隱含著一些規(guī)律性的東西，如船搖周期。確定船搖數(shù)據(jù)所隱含的周期，對(duì)建立適用于測(cè)量船數(shù)據(jù)特性的檢擇模型是有幫助的。

設(shè)船搖測(cè)量數(shù)據(jù)xi的數(shù)學(xué)模型為

式中，{εi}是獨(dú)立于{ai，bi}的隨機(jī)過(guò)程，E（εi）＝0，

采用周期圖方法搜索船搖數(shù)據(jù)中隱含周期{fi}的基本思想：假定f1的估計(jì)為，則可由求和。若和f1相差甚遠(yuǎn)或者說(shuō)模型中沒(méi)有該頻率，則所估計(jì)的系數(shù)實(shí)際上不存在，那么必近似為零。用一組足夠密的頻率作試探并繪出模平方()對(duì)的圖形，則當(dāng)和{fi}中某一值接近時(shí)，()將異于零，否則近似為零。那么根據(jù)平方模的值足夠大處所對(duì)應(yīng)的f便可判斷其頻率及其相應(yīng)的振幅［2］。在fi已知的情況下，的估計(jì)由下式給出：

N個(gè)觀測(cè)值x1，x2，…，xN的周期圖定義為

實(shí)際計(jì)算中IN() f的頻率取值是離散的，一般取，公式（3）在f處展開(kāi)p后可寫(xiě)成：

由此可見(jiàn)，當(dāng)fp的值等于xi中所含周期的頻率時(shí)有，周期圖有較大的峰值。航天測(cè)量船的船搖周期，除了與船體性能有關(guān)外，還與海況和測(cè)量船的航行工況有關(guān)。由于船體的搖擺運(yùn)動(dòng)在船的不同方向上具有不同的特征表現(xiàn)，分別對(duì)航天測(cè)量船的艏搖（航向）、縱搖、橫搖3個(gè)方向的數(shù)據(jù)進(jìn)行分析研究，尋找各自隱含的周期。用上述方法處理航天測(cè)量船100 s實(shí)測(cè)船搖數(shù)據(jù)（采樣間隔0.05 s，共2 000點(diǎn)，N＝2 000），繪制3個(gè)方向（艏搖、縱搖、橫搖）的周期圖（見(jiàn)圖2）。從艏搖數(shù)據(jù)的周期圖看，INf()p在p＝1時(shí)有明顯峰值，可得到該組數(shù)據(jù)的周期T＝2 000／（1×20）＝100 s，該組數(shù)據(jù)從整體上看不具有明顯的周期性；對(duì)于縱搖數(shù)據(jù)的周期圖，峰值在p＝12處達(dá)到，其周期為T(mén)＝2 000／（12×20）＝8.3 s；對(duì)于橫搖數(shù)據(jù)的周期圖，有一個(gè)明顯的峰值在p＝8處達(dá)到，故其相應(yīng)的周期為T(mén)＝2 000／（8×20）＝12.5 s。與實(shí)測(cè)數(shù)據(jù)特性比較，用周期圖方法得到的結(jié)果與實(shí)際情況是吻合的，該次任務(wù)艏搖沒(méi)有明顯的周期性，縱搖和橫搖則有10 s左右的基頻存在，且縱搖的周期略小于橫搖周期，船搖數(shù)據(jù)中含有一個(gè)與時(shí)間無(wú)關(guān)而與船搖角度有關(guān)的周期誤差［3］，用周期圖方法搜尋數(shù)據(jù)中隱含的周期規(guī)律是行之有效的。

圖2 船搖數(shù)據(jù)航向角、縱搖角、橫搖角周期圖Fig.2 Periodogram of yaw angles，pitch angles androll angles of a space tracking ship

船體不同方向的搖擺變化對(duì)R、E、A的影響也是不同的，縱、橫搖的影響比較復(fù)雜，不僅與當(dāng)前的測(cè)量值有關(guān)，還受設(shè)備跟蹤性能、測(cè)量工況的影響。相比之下，航向的影響比較簡(jiǎn)單，主要影響方位。橫搖對(duì)距離的影響最明顯，俯仰角則同時(shí)受縱、橫搖的影響，3個(gè)方向的船搖數(shù)據(jù)對(duì)方位角均有影響，但航向?qū)Ψ轿唤堑挠绊懽畲螅?］。變形對(duì)距離基本沒(méi)有影響，但對(duì)角度的影響卻很明顯。

3 航天測(cè)量船異常數(shù)據(jù)檢擇算法設(shè)計(jì)

測(cè)量船觀測(cè)數(shù)據(jù)序列中出現(xiàn)的野值點(diǎn)通常分為下列兩種類形：

（1）單個(gè)野值：也稱孤立型野值。特征是某一采樣時(shí)刻ti處測(cè)量數(shù)據(jù)是否為野值，與ti－1及ti＋1時(shí)刻數(shù)據(jù)的質(zhì)量無(wú)必然聯(lián)系，而且，比較常見(jiàn)的情況是當(dāng)ti時(shí)刻的測(cè)量數(shù)據(jù)異常時(shí)，在ti時(shí)刻的鄰域內(nèi){ti－k，…，ti－1，ti＋1，…，ti＋k}的測(cè)量數(shù)據(jù)質(zhì)量是好的，即野值點(diǎn)的出現(xiàn)是孤立的。

（2）成片野值：也稱野值斑點(diǎn)，簡(jiǎn)稱斑點(diǎn)。基本特征是在某時(shí)刻ti出現(xiàn)野值，可能帶動(dòng)相鄰時(shí)刻數(shù)據(jù){y( ti＋1)，…，y( ti＋p)}均嚴(yán)重偏離測(cè)量數(shù)據(jù)真值，即野值點(diǎn)會(huì)成片出現(xiàn)。船載設(shè)備在高仰角跟蹤目標(biāo)時(shí)的測(cè)量數(shù)據(jù)中，野值斑點(diǎn)的出現(xiàn)是較為常見(jiàn)的現(xiàn)象。

各類野值在觀測(cè)數(shù)據(jù)序列中通常以下列形式出現(xiàn)：

（1）重復(fù)性異常：在測(cè)量數(shù)據(jù)序列中，異常數(shù)據(jù)按某一規(guī)律周期性地或非周期性地重復(fù)出現(xiàn)。這種異常多半是由于設(shè)備故障產(chǎn)生的，有時(shí)也可能是由于習(xí)慣性的人為操作錯(cuò)誤而產(chǎn)生。

（2）固定性異常：在測(cè)量數(shù)據(jù)序列中，存在大小基本不變的很大的固定誤差，這可能是因?yàn)樵O(shè)備故障、操作錯(cuò)誤、用錯(cuò)常數(shù)所致。

（3）隨機(jī)性的異常：出現(xiàn)的時(shí)間、幅值大小都是隨機(jī)變化的，多因設(shè)備工作不穩(wěn)定或受到隨機(jī)干擾而產(chǎn)生。

飛行試驗(yàn)中導(dǎo)致異常數(shù)據(jù)發(fā)生的原因是多方面的、隨機(jī)的，非常復(fù)雜。設(shè)備工作不正常、某些部件發(fā)生故障、設(shè)備未調(diào)整到最佳工作狀態(tài)、環(huán)境條件變化、電源不穩(wěn)定、人為操作錯(cuò)誤等致使設(shè)備在測(cè)量、記錄或傳輸過(guò)程中出現(xiàn)異常［4］，還有數(shù)據(jù)處理中出現(xiàn)的差錯(cuò)、比較標(biāo)準(zhǔn)數(shù)據(jù)本身的錯(cuò)誤等都會(huì)導(dǎo)致異常數(shù)據(jù)的出現(xiàn)。兩種或兩種以上類型的異常數(shù)據(jù)常常會(huì)混合出現(xiàn)。異常數(shù)據(jù)如果不予以分離和消除，將給數(shù)據(jù)處理帶來(lái)誤差，影響計(jì)算結(jié)果的正確性［5］，降低觀測(cè)數(shù)據(jù)的置信度，因此，要保證數(shù)據(jù)處理結(jié)果的質(zhì)量，必須判別和處理觀測(cè)數(shù)據(jù)中的異常值，以合理、可信的數(shù)據(jù)替代它。

異常數(shù)據(jù)的檢驗(yàn)方法種類繁多，有試驗(yàn)場(chǎng)常用的外推擬合方法，以及多項(xiàng)式回歸模型檢驗(yàn)法、自回歸求和滑動(dòng)平均模型（ARIMA模型）檢驗(yàn)法、t－檢驗(yàn)法、偏度－峰度檢驗(yàn)法、極差檢驗(yàn)法和M估計(jì)技術(shù)等多種方法。由于異常數(shù)據(jù)產(chǎn)生的原因各不相同，很難找出一種通用的方法來(lái)解決。對(duì)不同類型的異常數(shù)據(jù)需采用不同的辨識(shí)方法。靜態(tài)測(cè)量數(shù)據(jù)的異常值比較容易判別，對(duì)飛行試驗(yàn)中的異常數(shù)據(jù)，即對(duì)動(dòng)態(tài)測(cè)量數(shù)據(jù)中的異常值，缺少高效率的辨識(shí)方法。航天測(cè)量船通常采用直觀法、統(tǒng)計(jì)法和縱橫比較法3類方法完成異常數(shù)據(jù)的辨識(shí)［6］。

常用的直觀方法有觀察法、標(biāo)圖法和差分法。差分法可以直觀、明了地反映出數(shù)據(jù)的異?，F(xiàn)象，適用于誤差與真值沒(méi)有分離的情況。差分檢擇算法用于判別孤立型異常值時(shí)效果是好的，但對(duì)于斑點(diǎn)型異常數(shù)據(jù)的處理就比較困難了，容易出現(xiàn)誤判和漏判現(xiàn)象。

用統(tǒng)計(jì)檢驗(yàn)的方法來(lái)辨識(shí)異常數(shù)據(jù)，主要是根據(jù)小概率原理和測(cè)量誤差服從正態(tài)分布的假設(shè)。統(tǒng)計(jì)方法作出的判斷較為嚴(yán)格，但方法繁瑣，而且統(tǒng)計(jì)方法都假定了誤差服從正態(tài)分布，且都要用到誤差數(shù)據(jù)的統(tǒng)計(jì)方差，因此，必須滿足隨機(jī)誤差是平穩(wěn)的這個(gè)條件。實(shí)際情況很難與理論條件完全一致，測(cè)量對(duì)象本身也很難用某種形式的多項(xiàng)式來(lái)擬合。

縱橫比較法是將某設(shè)備的測(cè)量數(shù)據(jù)與跟蹤同一目標(biāo)的其它設(shè)備的測(cè)量數(shù)據(jù)比，或與標(biāo)準(zhǔn)數(shù)據(jù)比，或與歷史資料比，通過(guò)比較對(duì)應(yīng)參數(shù)（如坐標(biāo)與速度、速度與加速度等）之間的協(xié)調(diào)性，特別是考察參數(shù)曲線的極值點(diǎn)、拐點(diǎn)等對(duì)應(yīng)關(guān)系，來(lái)檢查時(shí)間關(guān)系是否正確、數(shù)據(jù)間的匹配關(guān)系是否正常、是否有野值存在等異常情況。在海上精度校飛時(shí)，通過(guò)比較不同架次、不同進(jìn)入之間的誤差曲線，也能發(fā)現(xiàn)異常。如測(cè)量船海上校飛，我們利用GPS數(shù)據(jù)完成異常數(shù)據(jù)的辨識(shí)工作，該方法利用GPS數(shù)據(jù)作為標(biāo)準(zhǔn)數(shù)據(jù)得到比對(duì)殘差，構(gòu)造“數(shù)據(jù)管道”，可以很好地糾正和抑制殘差序列中超差數(shù)據(jù)的比例，提高參與綜合處理的有效數(shù)據(jù)量，但缺點(diǎn)是要求比對(duì)標(biāo)準(zhǔn)質(zhì)量可靠，不能包含異常數(shù)據(jù)。而海上測(cè)量常受復(fù)雜海況的影響，GPS數(shù)據(jù)也常常出現(xiàn)異常，在一定程度上制約了該方法的使用效果。所以，最好能找到一種方法，不需要簡(jiǎn)單地按某一人為門(mén)限舍去異常值，而是設(shè)法減小異常數(shù)據(jù)的影響，這對(duì)于數(shù)據(jù)處理工作來(lái)說(shuō)，更有實(shí)用價(jià)值。我們知道，中值是均值的最穩(wěn)健估計(jì)，其小樣本崩潰點(diǎn)接近50%，采樣數(shù)據(jù)集的任一非空子集中當(dāng)野值點(diǎn)的個(gè)數(shù)不足一半時(shí)算法都不會(huì)崩潰［7］。對(duì)此，我們引入了基于中值估計(jì)的容錯(cuò)平滑器，來(lái)設(shè)計(jì)適用于測(cè)量船數(shù)據(jù)特性的信息檢擇算法。

參數(shù)自適應(yīng)信息檢擇算法是為解決航天測(cè)量船包含有復(fù)雜變形、船搖周期的外測(cè)數(shù)據(jù)的糾錯(cuò)難題而設(shè)計(jì)的，它結(jié)合周期圖方法，選用文獻(xiàn)［7］提出的“滑動(dòng)中值平滑估計(jì)模型”構(gòu)建的信息檢擇算法。假定采樣數(shù)據(jù)序列為yi(i＝1，2，3，…，n)，滑動(dòng)中值平滑估計(jì)模型定義如下［7］：

式中，y（j）表示對(duì){y1，y2，…，ym}按從小到大排序后的第j個(gè)數(shù)值，med{·}為中值算子：

航天測(cè)量船數(shù)據(jù)序列中蘊(yùn)含有船搖周期，采用的檢擇算法既要能濾去誤差數(shù)據(jù)，同時(shí)又不破壞數(shù)據(jù)本身隱含的船搖周期的變化規(guī)律，因此，中值和均值平滑區(qū)間的準(zhǔn)確設(shè)置是非常關(guān)鍵的，區(qū)間設(shè)置太小，不能濾去誤差數(shù)據(jù)，設(shè)置太大，又會(huì)破壞正常的船搖周期?；诖艘螅覀儗⒅芷趫D方法引入到中值容錯(cuò)平滑算法中，根據(jù)異常數(shù)據(jù)長(zhǎng)度及所處區(qū)域船搖周期變化情況，實(shí)現(xiàn)了滑動(dòng)中值平滑區(qū)間及局部均值平滑區(qū)間參數(shù)的動(dòng)態(tài)調(diào)整，來(lái)適應(yīng)測(cè)量船這種蘊(yùn)含有船搖周期非單調(diào)變化數(shù)據(jù)的特點(diǎn)，并將算法改進(jìn)如下：

步驟1：利用周期圖方法搜尋該組數(shù)據(jù)蘊(yùn)含的船搖周期，確定參數(shù)m、s、p的初值。

步驟2：設(shè)置參數(shù)k＝m，用滑動(dòng)中值平滑器構(gòu)造滑動(dòng)中值平滑序列｛＾yi｜m｜i＝1，2，3，…｝。

步驟3：設(shè)置參數(shù)k＝s，用滑動(dòng)中值平滑器對(duì)平滑序列｛＾yi｜m｜i＝1，2，3，…｝進(jìn)行第二次中值平滑，

步驟5：為補(bǔ)償中值均值平滑對(duì)采樣數(shù)據(jù)列中趨勢(shì)性分量的不利影響，構(gòu)造過(guò)程信號(hào)的中值－均值平滑殘差序列：

步驟6：對(duì)殘差序列{Δyi｜i＝1，2，3，…}，重復(fù)步驟1～3，得到殘差序列的滑動(dòng)中值－均值平滑估計(jì)：

步驟7：計(jì)算序列｛yi｜i＝1，2，3，…｝的平滑結(jié)果：

步驟8：以平滑估計(jì)值?yi為比對(duì)標(biāo)準(zhǔn)數(shù)據(jù)構(gòu)造殘差序列：

步驟9：數(shù)據(jù)診斷。構(gòu)造檢擇函數(shù)

式中，c為檢測(cè)門(mén)限。

將野值點(diǎn)檢擇問(wèn)題轉(zhuǎn)化為0／1序列。R（x）為1時(shí)，數(shù)據(jù)正常；R（x）為0時(shí)，標(biāo)識(shí)為異常數(shù)據(jù)。當(dāng)0成串出現(xiàn)時(shí)所對(duì)應(yīng)的多個(gè)野值點(diǎn)即為斑點(diǎn)，需要修復(fù)。

步驟10：數(shù)據(jù)修復(fù)。利用周期圖方法搜索野值斑點(diǎn)所處區(qū)域的船搖周期，結(jié)合斑點(diǎn)長(zhǎng)度，調(diào)整參數(shù)m、s、p，重復(fù)步驟2～7，完成該區(qū)域異常數(shù)據(jù)的修復(fù)。

該算法對(duì)含有時(shí)變趨勢(shì)分量或均值非平穩(wěn)的采樣時(shí)間序列的平滑效果好，它采用分階段多次滑動(dòng)中值與滑動(dòng)均值平滑組合，得到中值平滑估計(jì)值，并構(gòu)造過(guò)程信號(hào)的中值－均值平滑殘差序列來(lái)補(bǔ)償中值平滑對(duì)采樣數(shù)據(jù)列中趨勢(shì)性分量的不利影響。

4 糾錯(cuò)效果分析

我們用測(cè)量船跟蹤ERS2衛(wèi)星的數(shù)據(jù)來(lái)檢驗(yàn)參數(shù)自適應(yīng)信息檢擇算法的糾錯(cuò)效果，發(fā)現(xiàn)無(wú)論是趨勢(shì)性變化的數(shù)據(jù)列，還是周期性變化的數(shù)據(jù)列，采用自適應(yīng)信息檢擇算法都能可靠地從帶斑點(diǎn)型異常值的采樣數(shù)據(jù)序列中無(wú)偏地提取信息，有效地檢擇出數(shù)據(jù)列中的野值，替代數(shù)據(jù)也符合數(shù)據(jù)的變化趨勢(shì)，糾錯(cuò)效果好。參數(shù)自適應(yīng)信息檢擇算法是一種穩(wěn)健的中值估計(jì)方法，它采用分階段多次滑動(dòng)中值與滑動(dòng)均值平滑組合，得到中值平滑估計(jì)值3，…｝。為補(bǔ)償中值平滑對(duì)采樣數(shù)據(jù)列中趨勢(shì)性分量的不利影響，還通過(guò)構(gòu)造過(guò)程信號(hào)的中值－均值平滑殘差估計(jì){Δ1，2，3，…}來(lái)補(bǔ)償1，2，3，…｝。從船 跟蹤ERS2衛(wèi)星的測(cè)量系俯仰角數(shù)據(jù)曲線可以明顯地看到（見(jiàn)圖1），由于船搖的影響，俯仰角數(shù)據(jù)曲線是一種非單調(diào)變化的數(shù)據(jù)序列，數(shù)據(jù)中多處存在斑點(diǎn)型野值（見(jiàn)表1）。

表1 糾錯(cuò)前后俯仰角數(shù)據(jù)隨機(jī)誤差統(tǒng)計(jì)表Table 1 Random errors of elevation angles before and after error correction

應(yīng)用參數(shù)自適應(yīng)信息檢擇算法對(duì)測(cè)量系數(shù)據(jù)進(jìn)行糾錯(cuò)，雖然數(shù)據(jù)序列中蘊(yùn)藏著船搖周期，但糾錯(cuò)效果理想。將糾錯(cuò)后的數(shù)據(jù)修正船搖誤差后轉(zhuǎn)地平系，數(shù)據(jù)的變化趨勢(shì)正常，各野值區(qū)域既濾去了誤差數(shù)據(jù)，又未破壞數(shù)據(jù)本身隱含的船搖周期的變化規(guī)律，說(shuō)明該方法適用于蘊(yùn)含有船搖周期的非單調(diào)增減數(shù)據(jù)的糾錯(cuò)工作。

5 結(jié)束語(yǔ)

異常數(shù)據(jù)的糾錯(cuò)處理是提高處理精度、改善處理結(jié)果質(zhì)量的有效措施。我們從航天測(cè)量船數(shù)據(jù)處理工作的實(shí)際需要出發(fā)，以“中位數(shù)容錯(cuò)平滑器”為核心，結(jié)合周期圖方法，設(shè)計(jì)了參數(shù)自適應(yīng)信息檢擇算法，解決了測(cè)量船外測(cè)數(shù)據(jù)的糾錯(cuò)難題。在“神舟”飛船任務(wù)中，用該算法成功地解決了航天測(cè)量船第41、45圈外測(cè)數(shù)據(jù)嚴(yán)重跳變的問(wèn)題，使有效測(cè)量數(shù)據(jù)延長(zhǎng)了60 s。用該算法對(duì)測(cè)量船第一圈抖動(dòng)嚴(yán)重的某外測(cè)設(shè)備俯仰角數(shù)據(jù)進(jìn)行糾錯(cuò)處理后，初軌計(jì)算中軌道半長(zhǎng)軸的外符合精度提高了3倍。

［1］李輝芬，朱偉康，周朝猛，等.船載USB瞬時(shí)站址殘差異常情況分析［J］.電訊技術(shù)，2010，50（2）：57－62.

LI Hui－fen，ZHU Wei－kang，ZHOU Chao－meng，et al. Exceptional Phenomenon Analysis of Instrumentation Ship’s USB Residual Error［J］.Telecommunication Engineering，2010，50（2）：57－62.（in Chinese）

［2］張忠華，李曉勇，楊磊，等.航天測(cè)量船船姿數(shù)據(jù)處理方法［M］.北京：國(guó)防工業(yè)出版社，2009.

ZHANG Zhong－h(huán)ua，LI Xiao－yong，YANG Lei，et al.Ship attitude data processing methods applied to space tracking ships［M］.Beijing：National Defense Industry Press，2009.（in Chinese）

［3］李曉勇，張忠華，張同雙，等.航天測(cè)量船船搖數(shù)據(jù)特性分析［J］.中國(guó)慣性技術(shù)學(xué)報(bào)，2006，14（3）：27－30，41.

LI Xiao－yong，ZHANG Zhong－h(huán)ua，ZHANG Tongshuang，et al.Characteristics analysis on spacecraft TT＆C ship swaying data［J］.Journal of Chinese Inertial Technology，2006，14（3）：27－30，41.（in Chinese）

［4］茅永興，張忠華，章劍，等.單通道相參測(cè)控體制下多站觸發(fā)對(duì)測(cè)距性能的影響［J］.電訊技術(shù)，2009，49（4）：89－93.

MAO Yong－xing，ZHANG Zhong－h(huán)ua，ZHANG Jian，et al. Exceptional Phenomenon Analysis of Instrumentation Ship′s USB Residual Error［J］.Telecommunication Engineering，2010，50（2）：57－62.（in Chinese）

［5］康德勇，李曉勇，王旭良.船位誤差對(duì)外彈道測(cè)量及定軌精度的影響［J］.電訊技術(shù)，2010，50（9）：106－109.

KANG De－yong，LI Xiao－yong，WANG Xu－liang.Influence of Ship′s Position Error on Exterior Trajectory Measurement and Orbit Determination［J］.Telecommunication Engineering，2010，50（9）：106－109.（in Chinese）

［6］李輝芬，張忠華，朱偉康.船載設(shè)備測(cè)量數(shù)據(jù)處理結(jié)果的綜合分析方法［J］.飛行器測(cè)控學(xué)報(bào)，2008，27（6）：65－70.

LI Hui－fen，ZHANG Zhong－h(huán)ua，ZHU Wei－kang.The Exterior Tracking＆Measuring Data Analyzing and Processing of Instrumentation Ship［J］.Journal of Spacecraft TT＆C Technology，2008，27（6）：65－70.（in Chinese）

［7］胡紹林，許愛(ài)華，郭小紅.脈沖雷達(dá)跟蹤測(cè)量數(shù)據(jù)處理技術(shù)［M］.北京：國(guó)防工業(yè)出版社，2007. HU Shao－lin，XU Ai－h(huán)ua，GUO Xiao－h(huán)ong.Data processing technology applied to pulse radar tracking［M］.Beijing：National Defense Industry Press，2007.（in Chinese）

LI Hui－fen was born in Zhaotong，Yunan Province，in 1968.She is now a senior engineer with the M.S.degree.Her research concerns maritime measurement data processing and precision analysis.

Email：wylhf＠yeah.net

周錦標(biāo)（1966-），男，江蘇人，高級(jí)工程師，長(zhǎng)期從事航天測(cè)控總體工作；

ZHOU Jin－biao was born in Jiangsu Province，in 1966.He is now a senior engineer.His research concerns space tracking management.

何劍偉（1967-），男，江蘇人，高級(jí)工程師，長(zhǎng)期從事海上測(cè)控軟件總體工作；

HE Jian－wei was born in Jiangsu Province，in 1967.He is now a senior engineer.His research concerns space tracking software development.

李曉勇（1963-），男，湖南人，高級(jí)工程師，長(zhǎng)期從事數(shù)據(jù)處理與精度分析工作；

LI Xiao－yong was born in Hunan Province，in 1963.He is now a senior engineer.His research concerns data processing and precision analysis.

陳紅英（1983-），女，四川人，工程師，長(zhǎng)期從事數(shù)據(jù)處理工作。

CHEN Hong－ying was born in Sichuan Province，in 1983. She is now an engineer.Her research concerns data processing.

Adaptive Processing of abnormal Value in Measured Data by Space Tracking Ship

LI Hui-fen，ZHOU Jin-biao，HE Jian-wei，LI Xiao-yong，CHEN Hong-ying
（China Satellite Maritime Tracking and Controlling Department，Jiangyin 214431，China）

The measured data by space tracking ship contain complicated ship deformation and ship－swaying period，which cases the difficulty to process the abnormal values.According to the data characteristics of ship，a specific study is performed on the selection results of several identification methods.With moving median smoothing estimation model，an adaptive processing method for measured data is designed.Dynamic adjustment between smoothing intervals is implemented by applying periodogram analysis，thus accomplishing the error correction of measured data by tracking ship.

space tracking ship；measurement data；data characteristics；abnormal value；adaptive processing

TN911；TP274

A

10.3969／j.issn.1001－893x.2011.04.012

李輝芬（1968-），女，云南昭通人，碩士，高級(jí)工程師，主要研究方向?yàn)楹Ｉ蠝y(cè)量數(shù)據(jù)處理與精度分析工作；

1001－893X（2011）04－0054－06

2011－01－30；

2011－04－11