买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军海军航空大学

摘要：本发明公开了一种异常数据自适应的筛选方法，属于雷达信号处理领域。本发明在异常数据个数未知前提下，基于似然函数实现训练数据的鲁棒筛选，结合迭代估计方式估计异常数据集合，减小异常值对筛选的影响，根据杂噪协方差矩阵加性结构特征，利用快速最大似然方法对未知协方差矩阵进行估计，提高估计精度，保证抗异常数据干扰能力的前提下兼顾筛选准确度，不需要利用先验信息获得异常数据个数，设计了异常数据自动剔除的训练数据鲁棒筛选方法，具有推广应用价值。

主权项：1.异常数据自动剔除的训练数据鲁棒筛选方法，其特征在于包括以下步骤：步骤1雷达系统从待检测单元周围的距离单元获取N×R维训练数据Z；建立未知异常数据集合的多重假设Hp,p＝1,2,...,l，在杂波协方差矩阵M1和异常数据协方差矩阵M2均已知条件下，对异常数据集合未知下的l个似然函数进行最大值寻优，构建异常数据集合初步估计步骤2结合迭代估计方式估计异常数据集合，在迭代启动阶段，雷达系统计算全体训练数据的归一化采样协方差矩阵基于每个距离单元的第1次迭代NGIP，进行全体训练数据从大到小初次排序，获得训练数据第1次排序索引序列J1，将J1中排序靠前的元素认定为潜在异常数据索引，由此在协方差矩阵已知条件下，将的求解简化为求解异常值个数归一化迭代估计；步骤3在第1次迭代估计中，雷达系统分别建立Hp假设下M1和M2的ML估计和在杂噪加性结构下，未知矩阵M1和M2的ML估计可表示为FML估计形式，为此将M1和M2的SCM估计进行特征值分解，重构特征值矩阵，将小于噪声功率的特征值加载到与噪声功率相等水平；步骤4将和代入异常数据未知下的似然函数，得到异常数据集合未知下的广义似然函数，最大化异常数据集合未知下的广义似然函数，获得第1次迭代异常值个数归一化迭代自适应估计最后与排序结果相结合，获得第1次迭代异常数据集合自适应归一化迭代估计步骤5结合迭代估计方式，对NGIP中的协方差矩阵重新进行估计，获得去除的采样协方差矩阵估计由此对全体训练数据重新排序获得训练数据第2次排序索引序列J2，基于步骤3和步骤4获得第2次异常值个数归一化迭代自适应估计将与J2结合，选取排序后次序靠前的个索引，构建为第2次迭代异常数据集合自适应归一化迭代估计由此重复直至达到最大迭代次数T或临近两次迭代结果一致输出异常数据集合自适应归一化迭代估计

全文数据：

权利要求：

百度查询： 中国人民解放军海军航空大学 异常数据自动剔除的训练数据鲁棒筛选方法