Median based covariogram estimators reduce bias

The usual product moment covariogram estimator of a Gaussian process can have appreciable bias. This article shows that the bias is decreased when the sample mean $\text{X}$ in the estimator is replaced with med(X), the sample median (provided a mild condition on the negative covariances is satisfied). Identical conclusions are drawn, even when the Gaussian process is (symmetrically) contaminated.     

一种实时识别伪数据的方法

在多传感器跟踪低空高速目标的测量系统中，经常有伪数据产生，本针对该测量体制下伪数据的特点，提出了一种基于庞加莱映射识别伪数据的方法，理论分析和实际计算均表明该方法是可行和有效的。     

Outliers in Multivariate Regression Models

Likelihood ratio tests for detecting a single outlier in multivariate linear models are considered, where an observation is called an outlier if there has been a shift in the mean. The test statistics are the maximum of n nonindependent statistics, where n is the number of observations. Relevant distributions to use upper and lower Bonferroni's inequalities are given.     

CMMB信号测试数据异常值的检测方法研究

CMMB单频网覆盖测试中会产生大量的多元数据,因为设备故障、系统误差等因素,其中必然包含空缺、界外以及孤立的异常数据,但是业界目前在手工检测之外,没有成熟的判别方法.在分析CMMB覆盖特性和数据属性的基础上,结合聚类和统计学实现了一种针对CMMB数据的异常值检测方案,实例中的应用证明了方案判别的准确性,可以有效地提高数...     

基于灰色预测和KID离群点检测的AUV故障诊断

提高故障诊断能力对于确保水下机器人AUV系统的稳定运行具有重要意义。针对水下机器人推进器系统,提出一种基于离群点检测的AUV故障检测方法。首先,将传感器采集的数据进行灰色预测处理;然后,提出了一种结合K-mean和DBSCAN的改进迭代聚类(Iterative K-mean DBSCAN,IKD)算法进行离群点检测;最后,与K-mean和DBSCAN算法相比,仿真实验结果表明基于灰色预测和KID离群点检测算法的故障检测准确率高,能够有效地实现水下机器人AUV的无监督故障诊断。     

基于孤立点检测的欠定混合矩阵盲辨识

本文将孤立点检测的思想引入到欠定混合矩阵的盲辨识问题,提出了一种基于孤立点检测的混合矩阵盲辨识方法.首先计算混合信号的空间时频分布并检测出单源时频点,然后检测出单源时频点中的孤立点并将其从中去除,再通过聚类的方法估计混合矩阵.该方法降低了对信号稀疏性的要求,通过去除数据中的孤立点,提高了矩阵的估计精度,同时也有助于对源信号数目的估计.仿真实验表明,与已有算法相比,本文方法进一步提高了混合矩阵的估计精度,并且有更强的鲁棒性.     

基于模板卷积的平滑滤波在野值剔除中的应用

借鉴数字图像处理中基于模板卷积线性滤波方法的思想,提出了一种基于模板卷积滤波的野值剔除方法,从理论上分析了该方法的高精度性和高实时性.与其它方法进行了仿真比较,仿真结果表明,通过正确设置模板的长度和参数的大小能有效剔除测量数据中的野值点.     

海量星系光谱中的超新星候选范围自动约减

超新星是恒星世界中已知道的最剧烈的天文现象之一,但目前发现的超新星数量相比于已探测到的数百亿天体而言又是有限的,所以有必要寻找快速高效的超新星搜寻方法或辅助手段。拟在Ⅰa型超新星统计特征描述的基础上提出了一种海量星系光谱下Ⅰa型超新星候选体选择范围自动约减的方法。该方法首先对Ⅰa型超新星模板PCA分析获得特征谱,并获得每条待检星系光谱的低维超新星特征描述,然后通过引入样本的局部孤立性因子进行离群搜索,最后获得总样本数的1%作为继续搜寻证认超新星候选体选择的初始范围。实验表明该方法有效可行,这一方法在海量光谱中自动去除大量不含超新星的星系光谱,为超新星的进一步搜寻证认和后续观测提供了较可靠的候选范围,从而成为直接利用光谱巡天的海量数据获得超新星的高效途径。