箔條彈RCS測量數(shù)據(jù)異常值的檢驗與剔除算法研究

韓 偉, 張鴻喜

(91404部隊93分隊,秦皇島 066001)

箔條彈RCS測量數(shù)據(jù)異常值的檢驗與剔除算法研究

韓 偉, 張鴻喜

(91404部隊93分隊,秦皇島 066001)

傳統(tǒng)的異常值剔除方法主要是針對靜態(tài)測量數(shù)據(jù),箔條彈RCS(雷達反射截面積)特性測量屬于動態(tài)測量,由于動態(tài)系統(tǒng)測量中的數(shù)據(jù)是不斷變化的,因此不能沿用靜態(tài)測量中的數(shù)據(jù)異常值的剔除方法和判別準則。針對這個問題,提出了利用絕對均值法和基于鄰近去最值均值濾波檢測方法兩種方法,對箔條彈RCS測量數(shù)據(jù)中的異常值進行剔除,并給出了實際算例。研究結(jié)果可為箔條彈RCS測量試驗中數(shù)據(jù)處理及其他動態(tài)測量異常數(shù)據(jù)剔除提供方法借鑒。

動態(tài)測量; 異常值; 均值濾波; 雷達截面積

1 引 言

在箔條彈RCS(雷達反射截面積)測量試驗過程中,由于各種各樣的原因,會出現(xiàn)概率很小但作用強烈的偶發(fā)性干擾等,從而產(chǎn)生了異常數(shù)據(jù)。在數(shù)據(jù)采集測量過程中,有時會出現(xiàn)一些嚴重偏離樣本集合散布中心(或數(shù)據(jù)主體趨勢)的小部分樣本點,即使是高質(zhì)量的原始采樣數(shù)據(jù),由于受到多種偶然因素的影響,往往包含有較大的隨機誤差,在統(tǒng)計學中,將這種測量所得數(shù)據(jù)稱之為異常值,又稱野值或者粗大誤差。

目前對靜態(tài)測量數(shù)據(jù)中的異常值比較容易判別,已有成熟理論。對于動態(tài)測量數(shù)據(jù)異常值剔除方法,當前研究較多的是卡爾曼濾波辨識方法,卡爾曼濾波辨識方法依賴于過去正常的測量值對當前時刻的預報值。但箔條彈布放后形成的箔條云目標比較復雜,再加上海面背景及其自身的閃爍特性,RCS測量數(shù)據(jù)有快速大動態(tài)的起伏屬于正常情況。因此卡爾曼濾波法不適合對箔條彈RCS測量數(shù)據(jù)進行異常值檢測。本文對如何判別箔條彈RCS測量數(shù)據(jù)異常值以及剔除方法進行研究。

2 箔條彈RCS動態(tài)測量分析

2.1 動態(tài)測量的基本特征

動態(tài)測量具有以下四個基本特征:

(1) 時空性。在某些動態(tài)測量中,被測量或測量信號隨時間而變,動態(tài)測量數(shù)據(jù)也表現(xiàn)為測量時間的函數(shù),即動態(tài)測量具有時變性,可用時間參數(shù)來描述;而在有些情況下,例如對大多數(shù)幾何量測量系統(tǒng),尤其是在數(shù)據(jù)處理時,用空間參數(shù)描述更為方便合理,從這個意義上來說,動態(tài)測量具有空間性。因而,動態(tài)測量具有時空性。

(2) 隨機性。由于在動態(tài)測量過程中,難免存在各種外界干擾,因此它是一個高斯或非高斯過程,總表現(xiàn)為時間的隨機函數(shù);另外,被測量自身也可能是個隨機函數(shù),當測量系統(tǒng)對被測量進行采樣時,得到的是若干個隨機序列(或隨機過程)。因而,動態(tài)測量具有隨機性。

(3) 相關(guān)性。由于測量系統(tǒng)的輸出值不僅僅和該時刻的輸入值有關(guān),而且和被測量在該時刻以前的量值變化歷程有關(guān),必須從所獲取測量值的整體數(shù)據(jù)推估被測量的量值。因而,動態(tài)測量具有相關(guān)性。

(4) 動態(tài)性。在測量過程中,測量系統(tǒng)始終處于運動狀態(tài),需要用微分方程(或差分方程)來描述其所輸入的含有被測量信息的信號與所輸出的動態(tài)測量結(jié)果之間的關(guān)系,或以該系統(tǒng)內(nèi)部狀態(tài)變量形成的狀態(tài)方程來描述,一般常用與之等價的傳遞函數(shù)、時域上的脈沖響應函數(shù)或頻域上的頻率響應函數(shù)等來反映該測量系統(tǒng)的動態(tài)特性[1]。

2.2 影響箔條彈RCS測量精度的因素分析

箔條彈爆開后形成箔條云的RCS隨時間而變,RCS時間特性表現(xiàn)為測量時間的函數(shù),因此箔條彈RCS測量是動態(tài)測量。在實際測量過程一般采用相對測量法,即通過與RCS已知的標準球的回波進行比較的方法來得到復雜目標的RCS。這樣RCS動態(tài)測量的誤差來源主要有兩部分:一部分是由目標測量過程引入的;另一部分是由對金屬球的定標過程引入的。

影響RCS動態(tài)測量精度的主要因素有:

(1) 測量雷達的性能

在RCS動態(tài)測量中,一方面持續(xù)工作時間較長,另一方面,目標回波的信噪比較低,且表現(xiàn)出劇烈的起伏,表現(xiàn)出很大的動態(tài)范圍。所以RCS動態(tài)測量雷達的穩(wěn)定性、精度、靈敏度、動態(tài)范圍等都會對測量結(jié)果產(chǎn)生重要的影響。

(2) 標準球自身誤差

RCS動態(tài)測量中用來定標的標準球,在理論上金屬球的RCS是各向同性的。但由于機械公差等因索的影響,球的規(guī)則性、表面的光度、潔度等方面都會存在一些問題,作為標準體的金屬球,其RCS也會隨著測量條件的不同同而發(fā)生一定的變化,特別是對于較短的波長特別是毫米波照射時,金屬球的誤差將對被測目標的RCS精度產(chǎn)生很大的影響。

(3) 測距誤差

該項誤差是由測量系統(tǒng)中的跟蹤雷達的測距誤差造成的,由于RCS測量采用相對測量法,因此對被測目標的測距誤差和對標準球的測距誤差都會影響RCS的測量精度。

3 箔條彈RCS異常數(shù)據(jù)的判別方法

箔條彈RCS測量過程中的異常值混入測量值中必然會影響到對箔條彈RCS特性的分析,如果不把測量數(shù)據(jù)中的這些異常值進行預先剔除,將會給數(shù)據(jù)處理帶來很大的誤差,從而影響對箔條彈戰(zhàn)技指標的評定。傳統(tǒng)的異常值辨識與剔除方法主要是針對靜態(tài)測量數(shù)據(jù),由于動態(tài)系統(tǒng)測量中的數(shù)據(jù)是不斷變化的,所以不能沿用靜態(tài)測量中的數(shù)據(jù)異常值的剔除方法和判別準則。而應該按照動態(tài)測量系統(tǒng)函數(shù)具有連續(xù)性的特點,檢驗動態(tài)測量數(shù)據(jù)的合理性,對數(shù)據(jù)的取舍作出正確判斷。在動態(tài)測量中預先對異常值進行分析和剔除,有效地排除了雜波及各種干擾因素對測量的影響,得到的數(shù)據(jù)才能更科學合理地反映目標的真實特性,保證原始數(shù)據(jù)的可靠性及其有關(guān)計算的準確性。

圖1為某型箔條彈RCS時間特性測量曲線,可以看出,測量值中存在異常值,如何從測量值中選出異常值并進行剔除呢？下面給出幾種方法。

圖1 箔條彈RCS時間特性原始測量曲線Fig.1 Original measurement of chaff bomb time response

3.1 絕對均值法

在動態(tài)測量中,運用數(shù)據(jù)采集設備所獲得的信號是離散有限的數(shù)字時序信號,可表示為:

(1)

對于零均值數(shù)字時序信號則可表示為:

(2)

(3)

其中,n為總的數(shù)據(jù)長度,k是經(jīng)驗取值系數(shù)。

在不同的試驗對象和測量系統(tǒng)中k值的確定可通過幾次試算來獲得,一般地取4-5較為合理[1]。

3.2 基于鄰近去最值均值濾波檢測

均值濾波算法是基于統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)。通常應用于圖像處理中的平滑和去噪。其基本原理是對圖像中的每個合法像素點鄰域中的像素按照灰度級進行排序,然后將該組的均值輸出作為該像素點的值。均值濾波定義如下:

(4)

式中,g(x,y)為(x,y)的輸出值;f(s,t)為以(x,y)點為中心的鄰域內(nèi)(s,t)點的輸入值;Sx,y為以(x,y)點為中心的鄰域。鄰域類型可以根據(jù)研究或應用需要選擇方形、一字形、十字形、X形等,鄰域大小一般可以選擇3×3,5×5。對本文數(shù)據(jù)類型進行均值濾波,相當于一字形窗口。均值濾波可以消除圖像中的椒鹽噪聲和突變點,但是會改變圖像中的原始數(shù)據(jù)。基于鄰近去最值均值濾波是對均值濾波的改進,它對模板S內(nèi)的數(shù)據(jù)做了去最值修正處理,即在得到模板S內(nèi)的數(shù)據(jù)后,去除了其中的最大最小值(以f(s,t)′表示),再進行均值濾波。該濾波方法極大減小了由于異常點參與運算而導致的濾波結(jié)果偏離真值的影響,在不修改原始數(shù)據(jù)的前提下找出數(shù)據(jù)中的異常點。因此,本文根據(jù)下面的公式給出如下判別規(guī)則[2]:

(5)

其中,Δf(x,y)=f(x,y)-mean(f(s,t)′)

式中,f(s,t)′為去除模板內(nèi)數(shù)據(jù)的最大最小值的其它數(shù)據(jù)。若式(5)成立,則(x,y)點為異常點。根據(jù)箔條云RCS數(shù)據(jù)的變化特性,可以采取一滑動檢測窗口,對箔條云RCS數(shù)據(jù)異常值進行檢測。具體檢測方法為:

(1) 設計一滑動檢測窗口,長度為n。

(2) 對窗口內(nèi)的數(shù)據(jù)去除最大值和最小值后,求均值及標準差。

4 箔條彈RCS異常數(shù)據(jù)的判別結(jié)果及分析

4.1 絕對均值法判別結(jié)果及分析

從圖1看出,在箔條云持續(xù)時間內(nèi),出現(xiàn)了幾個數(shù)量級為幾萬的大值,很明顯這幾個值為異常數(shù)據(jù)。按照絕對均值法對圖1所示的箔條彈RCS數(shù)據(jù)進行異常數(shù)據(jù)剔除,結(jié)果見圖2所示。從圖2可以看出,異常數(shù)據(jù)被有效剔除。

圖2 箔條彈RCS時間特性曲線Fig.2 Measurement of chaff bomb time response

4.2 基于鄰近去最值均值濾波檢測結(jié)果及分析

按照基于鄰近去最值均值濾波檢測方法,設計滑動檢測窗口長度為10,對圖1的RCS測量數(shù)據(jù)進行判別,結(jié)果如圖3所示。

圖3 箔條彈RCS時間特性曲線Fig.3 Measurement of chaff bomb time response

由圖3可以看出,利用基于鄰近去最值均值濾波法剔除異常數(shù)據(jù)后,仍然存在一明顯異常數(shù)據(jù),這是因為該方法能夠檢測出滑動檢測窗口內(nèi)數(shù)據(jù)中的單個異常跳變,若在滑動窗口內(nèi)存在多個或連續(xù)異常數(shù)據(jù),該方法不能剔除全部異常數(shù)據(jù)。

綜上所述,對箔條彈RCS測量數(shù)據(jù)異常值的判別可以綜合使用絕對均值法和基于鄰近去最值均值濾波檢測方法兩種方法,對測量數(shù)據(jù)中的異常值進行分析和剔除,有效地排除雜波及各種干擾因素對測量的影響,得到能科學合理地反映目標真實散射特性的數(shù)據(jù)。

5 結(jié) 論

在實際工程測量中,測量數(shù)據(jù)出現(xiàn)異常值的現(xiàn)象是經(jīng)常發(fā)生的。本文對RCS測量雷達測量數(shù)據(jù)異常值檢測問題進行了研究,給出絕對均值法和基于鄰近去最值均值濾波檢測方法兩種方法,對實測數(shù)據(jù)異常值進行了檢測。結(jié)果表明,本文算法能夠有效剔除數(shù)據(jù)異常點,是一種有效、可行的箔條彈RCS測量數(shù)據(jù)異常值檢測方法,使測量數(shù)據(jù)能夠真實地反映箔條彈的RCS特性,保證測量數(shù)據(jù)的可靠性。

[1] 邢靖虹.動態(tài)測量數(shù)據(jù)處理研究[D].西安:西安石油大學,2011.

XING Jinghong.Research on dynamic measurement data processing[D].Xi’an:Xi’an Shiyou University,2011.

[2] 辛欣,周娜,王震.數(shù)據(jù)異常值檢測及修正方法研究[J].現(xiàn)代電子技術(shù),2013,36(11):5-7.

XIN Xin,ZHOU Na,WANG Zhen.Research on data outlier detection and correction method[J].Modern Electronics Technique,2013,36(11):5-7.

[3] 賈沛璋.誤差分析與數(shù)據(jù)處理[M].北京:國防工業(yè)出版社,1992.

JIA Peizhang.Errors Analysis and Data Process[M].Beijing:National defense industry press,1992.

[4] 吳石林,張玘.誤差分析與數(shù)據(jù)處理[M].北京:清華大學出版社,2010.

WU Shilin,ZHANG Qi,Errors analysis and data process[M].Beijing:Qinghua university press,2010.

[5] Ronald Kleiss,Achilleas Lazopoulos error in monte carlo,quasi-error in quasi-monte carlo[J].Computer Physics Communications,2005,175(2):93-115.

韓 偉 女(1977-),河北遷西人,高級工程師,主要研究方向為雷達對抗試驗及試驗數(shù)據(jù)處理。

張鴻喜 男(1972-),河北秦皇島人,高級工程師,主要研究方向為電子對抗試驗。

OutliersDetection and Removing in RCS MeasurementData of Chaff Bomb

HANWei,ZHANGHongxi

(Unit 93,No.91404 Troops of PLA,Qinhuangdao 066001,China)

Traditional outlier removing method is aiming at static measurement data,measurement of the chaff bomb RCS characteristics is dynamic.Since dynamical measurement data is constantly changing,the outliers detection and removing method for static measurement cannot be adoped anymore.To address this problem,absolute mean value method and the average value filtering method based on the adjacent are proposed to remove the outliers in the chaff bomb RCS data,and some examples are siven.The main results of this study can provide solutions for the the chaff bomb RCS data process and outliers removing of the related dynamical measurement.

dynamical measurement; outliers; average value filtering; radar cross section

TP 391

A