共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
气象无人机探测过程中误差较大的数据统称为野值数据,研究如何判定并能够成功剔除野值就成为了提高气象无人机测风精度的重要方法。首先通过判定并剔除气象无人机飞行状态中的加速度和角速度的野值数据,进而根据有效的加速度和角速度信息确定无人机飞行状态,建立了匀速直线、变速、转动、其它非惯性运动等四种飞行状态下的野值评判标准,并设定了相应的阈值,给出了基于不同飞行状态的野值判定、剔除方法,通过仿真分析结果表明,该方法明显剔除了误差较大的数据,成功降低由于测量总压波动所引起的风速误差,对提高气象无人机测风精度具有重要参考价值。 相似文献
3.
针对传统无人机试飞监测系统与无人机平台设计耦合度高、通用性差的问题,设计了一种轻量化的试飞监测系统。对传统的无人机指挥控制系统与试飞监测系统的构型进行分析,梳理两个系统的共性业务流程,确定了轻量化试飞监测系统的构型。阐述了试飞监测软件的架构设计,并重点对数据解析模块进行介绍,提出了一种基于配表的遥测数据解析技术,使不同型号的试飞监测需求与软件框架相隔离,保证了软件的通用性。实际应用表明,所设计的无人机试飞监测系统避免了机上测试改装,缩短了无人机系统的研制周期,具有很高的工程实用价值。 相似文献
4.
针对隧道结构安全监测数据存在野值,噪声等严重影响后续分析的问题,提出了一种自适应跟踪系统噪声的可靠卡尔曼滤波算法进行数据去噪.首先结合滑动窗口使用最小二乘法对野值进行补偿;其次继承卡尔曼的“一步一推导”思想,动态估计噪声值,有效解决了传统卡尔曼滤波器在面对野值及非线性系统时存在的无法准确建模的问题;最后使用北京某施工地铁数据进行数值验证,结果表明,与经典算法相比,该算法在精度方面有极大的提升. 相似文献
5.
针对野值点噪声对样本均值和协方差估计带来的不利影响,在线性鲁棒M位置估计方法的基础上,结合了核原理来估计协方差,提出了一种新型的鲁棒KPCA(核主元分析)算法.将所提出的算法应用于数据重构仿真实验,仿真测试结果表明当样本数据中存在野值点噪声时,由所提出的鲁棒KPCA算法实现样奉数据重构时,要比KPCA具有更高的重构精度,抗野值点噪声性能更强. 相似文献
6.
7.
时序数据中的野值会直接影响数据挖掘算法的结果,甚至造成算法失效。传统的基于密度的带有噪声的空间聚类(DBSCAN)算法可以用来识别野值,但是却存在算法对参数敏感、时间复杂度高、精度不高等问题。针对时序数据的特点,提出了一种可自动进行多次识别的基于方差聚类的野值识别算法。该方法通过将传统的邻域密度转换为方差和均值、将密度阈值转换为时间窗口内的方差和阈值,在定义野值数据、野簇数据和异常簇数据的基础上,给出野值识别方法的判断规则。同时,针对一次野值识别不能将全部野值剔除的问题,通过定义多次野值识别的结束条件将算法扩展为多次野值识别算法。通过在某航天数据挖掘项目中的应用,验证了该算法具有较好的通用性、低的时间复杂度、可进行多次识别以提高精度等特点。 相似文献
8.
为了使UUV在水下坞舱回收过程中利用视觉和短基线(short baseline-SBL)进行导引定位,提出了一种视觉和短基线的自适应融合定位方法,以提高导引定位的精度.介绍了短基线定位和视觉定位2种定位系统及其工作原理,以及定位数据的野值剔除和去噪方法.野值剔除采用了一种基于数据变化率的自适应在线野值剔除方法,数据去噪采用了软阈值小波滤波方法.针对传统卡尔曼滤波进行数据融合时先验知识不足的缺点,提出了一种基于模糊逻辑的在线自适应卡尔曼滤波融合方法.通过获取的实时测量数据,实时调整噪声的协方差矩阵来融合2种定位数据.水下回收水池试验结果表明,定位传感器的绝大部分野值被剔除且去噪效果明显,视觉和短基线融合后的定位精度有很大提高,证明了所提方法的有效性. 相似文献
9.
《机器人技术与应用》1998,(6)
“徘徊者Ⅱ”无人机是通用原子公司的“徘徊者”无人机系列中较新的一种型号,其首次试飞已在美国加利弗尼亚州成功进行.“徘徊者Ⅱ”无人机相对于旧型号有了显著的改进.例如,翼展由5.49m增加到7.32m,续航时间由6h延长到20h,最大起飞重量由91kg提高到317kg.这次试飞于6月2日进行.试飞中,无人机到达海拔高度为2286m,飞行时间为30min,飞行速度为148km/h. 相似文献
10.
基于多项式核的结构化有向树数据聚类算法 总被引:2,自引:0,他引:2
各个点在数据内部的组织结构中自然地扮演着3种不同的结构性角色,分别是毂、质心和野值.在基于邻域的聚类算法中,邻域密度因子能够识别分离数据集中的毂、质心和野值.但是,邻域密度因子对有噪声和重叠的数据往往失效.为了解决该问题,引入了基于多项式核的邻域密度因子,并在有向树框架下,提出了一种结构化的数据聚类算法,其计算复杂度线性于输入数据的大小.对带有噪声和重叠的数据集,该算法能够找到所有显著的、任意形状的不均衡聚类.在人工和真实数据集上的实验结果都证实了该算法的有效性和快速性. 相似文献