CN109238547A - 一种飞机机载设备监测数据的边缘填充方法 - Google Patents
一种飞机机载设备监测数据的边缘填充方法 Download PDFInfo
- Publication number
- CN109238547A CN109238547A CN201810984480.8A CN201810984480A CN109238547A CN 109238547 A CN109238547 A CN 109238547A CN 201810984480 A CN201810984480 A CN 201810984480A CN 109238547 A CN109238547 A CN 109238547A
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- sampled point
- signal segment
- fitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/28—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for testing brakes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供了一种飞机机载设备监测数据的边缘填充方法,涉及飞行器数据监测领域,对于待恢复的缺失采样点,信号片段通过m阶多项式实现该信号片段的数据拟合,并求得最小化拟合误差,对应最小拟合误差的信号片段被用来估计空间坐标为z的待插值采样点,由此估计出所有待插值的缺失采样点。本发明中采用多项式被用来拟合这些信号片段,拟合误差最小的信号片段被用来估计此缺失采样点,达到边缘保持的目的。本发明具有保边缘、抗假频、及能够进行不规则数据重建等特点,既能有效的实现不规则机载数据的重建,又能很好的保持原有数据的边缘特征。
Description
技术领域
本发明涉及飞行器数据监测领域,尤其涉及一种数据的边缘填充方法。
背景技术
在飞行过程中,机载设备和传感器收集飞行参数和监测条件常常面临复杂的应用环境和工作条件,容易受到多种因素的影响。同时,在信号传输过程中,还存在一些不可避免的问题,如数据包丢失、数据延迟、数据传输信道噪声等。这些因素可能导致收集数据的偏差和实际价值的偏差。因此,在改进数据采集和传输方法的基础上,需要对数据预处理方法进行研究,以保证数据采集的准确性。
由于外部环境,如温度、湿度、电磁干扰、干扰和传输的影响,作为一个完整的系列的机载设备状态经常会出现数据丢失问题,因此需要根据现有的监测数据恢复数据,并将其完整地完成。目前,有许多恢复缺失数据的方法,但很少有数据完成方法是为机载设备研究而设计的。有一些常用的数据补充方法,比如最近邻方法,它通常用于恢复图像数据;多项式插值法是一种利用插值多项式最小值逼近函数最小值的搜索方法;以及矩阵补全法,是基于因式分解公式来保证正确还原底层的低秩矩阵。基于这些方法所恢复的数据不能很好的保持数据原有的边缘特性。
在此基础上,提出了边缘保护滤波方法在保护信号和边缘的同时抑制随机噪声,边缘保持的数据插值方法是边缘保持的、抗混叠的,可以有效重建不规则数据,但是仅用于数据滤波中去噪声。还提出了边缘保持的图像插值方法,用以恢复低分辨率线阵相机拍摄的图像,仅用于图像的插值计算。
发明内容
为了克服现有技术的不足,本发明提供一种飞机机载设备监测数据的边缘填充方法。在有效的实现不规则机载检测数据重建的同时,又能很好的保持原有数据的边缘特征。
本发明解决其技术问题所采用的技术方案的具体步骤如下:
步骤1:y(i)为某型号飞机在一次飞行过程中的左内轮刹车压力信号,其中,i=1,…N,对应的空间坐标为x(i),其中,i=1,…N,设处理窗口长度为L,即每个信号片段包含L个已知信号采样点,对于空间坐标为z的待恢复的缺失采样点,设其后边最近的已知采样点为第I个,共有L-1个信号片段包含该缺失采样点,并且,该缺失采样点的前后各有一个邻近的信号片段,在这L+1个信号片段中,第l个信号片段所包含的信号数据为:
[y(I-L+l-1),......,y(I+l-2)]l=1,....L+1. (1)
对于第l个信号片段,通过m阶多项式实现该信号片段的数据拟合,公式如下:
[y(I-L+l+j-2)]=p(j,l,I)+e(j,l,I)j=1,....L (2)
其中p(j,l,I)为m阶多项式,e(j,l,I)为拟合误差信号,p(j,l,I)定义如下:
式中ak(l,I)为m阶多项式系数,其中k=0...m;
步骤2:公式(3)写为向量矩阵形式如下:
pl,I=Cal,I (4)
式(4)中:pl,I=[p(l,j,I);j=1,…,L]T,al,I=[a0(l,I),a1(l,I),…,am(l,I)]T,
步骤3:为了求得多项式系数,需要优化如下目标函数,即最小化拟合误差:
yl,I=[y(I-L+j+l-2)]T j=1,......,L
采用最小二乘法,得到多项式系数:al,I=(CTC)-1CTyl,I;
步骤4:根据公式(5)获得的多项式系数,即可得到对应第l个信号片段的拟合误差El,I,对所有的L+1个信号片段,获得L+1个拟合误差,其中对应最小拟合误差的信号片段被用来估计空间坐标为z的待插值采样点,估计值如下:
步骤5:重复步骤1到步骤4,直至估计出所有待插值的缺失采样点。
本发明的有益效果在于采用对于一个1D信号,一个处理窗口被用来逐点滑动,将信号分成多个信号片段;对于某一个待恢复的缺失采样点,存在多个包含(或邻近)它的信号片段用来估计。多项式被用来拟合这些信号片段,拟合误差最小的信号片段被用来估计此缺失采样点,达到边缘保持的目的。理论模型和实际资料的处理结果表明,本发明具有保边缘、抗假频、及能够进行不规则数据重建等特点,既能有效的实现不规则机载数据的重建,又能很好的保持原有数据的边缘特征。
附图说明
图1为1D人工合成数据实验示意图,其中图1(a)为人工合成信号;图1(b)为不规则抽取后信号,图1(c)为本发明的方法处理结果;图1(d)为线性插值处理结果。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
步骤1:y(i)为某型号飞机在一次飞行过程中的左内轮刹车压力信号,其中,i=1,…N,对应的空间坐标为x(i),其中,i=1,…N,设处理窗口长度为L,即每个信号片段包含L个已知信号采样点,对于空间坐标为z的待恢复的缺失采样点,设其后边最近的已知采样点为第I个,共有L-1个信号片段包含该缺失采样点,并且,该缺失采样点的前后各有一个邻近的信号片段,在这L+1个信号片段中,第l个信号片段所包含的信号数据为:
[y(I-L+l-1),......,y(I+l-2)]l=1,....L+1. (1)
对于第l个信号片段,通过m阶多项式实现该信号片段的数据拟合,公式如下:
[y(I-L+l+j-2)]=p(j,l,I)+e(j,l,I)j=1,....L (2)
其中p(j,l,I)为m阶多项式,e(j,l,I)为拟合误差信号,p(j,l,I)定义如下:
式中ak(l,I)为m阶多项式系数,其中k=0...m;
步骤2:公式(3)写为向量矩阵形式如下:
pl,I=Cal,I (4)
式(4)中:pl,I=[p(l,j,I);j=1,…,L]T,al,I=[a0(l,I),a1(l,I),…,am(l,I)]T,
步骤3:为了求得多项式系数,需要优化如下目标函数,即最小化拟合误差:
yl,I=[y(I-L+j+l-2)]T j=1,......,L
采用最小二乘法,得到多项式系数:al,I=(CTC)-1CTyl,I;
步骤4:根据公式(5)获得的多项式系数,即可得到对应第l个信号片段的拟合误差El,I,对所有的L+1个信号片段,获得L+1个拟合误差,其中对应最小拟合误差的信号片段被用来估计空间坐标为z的待插值采样点,估计值如下:
步骤5:重复步骤1到步骤4,直至估计出所有待插值的缺失采样点。
在本发明的实施例中,本发明用来处理人工合成的1D信号:
图1给出了一个人工合成的1D信号处理实例来说明基于边缘保持插值方法的优点。在这个实验中,边缘保持插值方法被用来从不规则数据中重建出原始信号。原始信号如图1(a)所示;图1(b)为图1(a)所示的信号剔除偶数点及第51和第53点后形成的不规则信号,用来实验所提出的插值方法;图1(c)为利用边缘保持插值方法处理的结果,该方法中,取多项式的阶数为1,窗口长度为4;图1(d)为利用线性插值处理的结果。根据实验结果来看,本发明提出的方法比线性插值方法能更好的保持信号的边缘(断点)特性。
需要指出的是,虽然本发明提出的方法重建信号后能保持信号的边缘特性,但是如果待插值的采样点处于断点(如图1b第10个采样点)处,由于所提出方法不能判断该点是位于断点的前边还是后边,其插值结果可能会有误。如果这种插值错误存在,则断点的空间位置会发生一个空间采样点的位移,但不会模糊断层。
Claims (1)
1.一种飞机机载设备监测数据的边缘填充方法,其特征在于包括下述步骤:
步骤1:y(i)为某型号飞机在一次飞行过程中的左内轮刹车压力信号,其中,i=1,…N,对应的空间坐标为x(i),其中,i=1,…N,设处理窗口长度为L,即每个信号片段包含L个已知信号采样点,对于空间坐标为z的待恢复的缺失采样点,设其后边最近的已知采样点为第I个,共有L-1个信号片段包含该缺失采样点,并且,该缺失采样点的前后各有一个邻近的信号片段,在这L+1个信号片段中,第l个信号片段所包含的信号数据为:
[y(I-L+l-1),......,y(I+l-2)] l=1,....L+1. (1)
对于第l个信号片段,通过m阶多项式实现该信号片段的数据拟合,公式如下:
[y(I-L+l+j-2)]=p(j,l,I)+e(j,l,I) j=1,....L (2)
其中p(j,l,I)为m阶多项式,e(j,l,I)为拟合误差信号,p(j,l,I)定义如下:
式中ak(l,I)为m阶多项式系数,其中k=0...m;
步骤2:公式(3)写为向量矩阵形式如下:
pl,I=Cal,I (4)
式(4)中:pl,I=[p(l,j,I);j=1,…,L]T,al,I=[a0(l,I),a1(l,I),…,am(l,I)]T,
步骤3:为了求得多项式系数,需要优化如下目标函数,即最小化拟合误差:
yl,I=[y(I-L+j+l-2)]T j=1,......,L
采用最小二乘法,得到多项式系数:al,I=(CTC)-1CTyl,I;
步骤4:根据公式(5)获得的多项式系数,即可得到对应第l个信号片段的拟合误差El,I,对所有的L+1个信号片段,获得L+1个拟合误差,其中对应最小拟合误差的信号片段被用来估计空间坐标为z的待插值采样点,估计值如下:
步骤5:重复步骤1到步骤4,直至估计出所有待插值的缺失采样点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984480.8A CN109238547A (zh) | 2018-08-28 | 2018-08-28 | 一种飞机机载设备监测数据的边缘填充方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984480.8A CN109238547A (zh) | 2018-08-28 | 2018-08-28 | 一种飞机机载设备监测数据的边缘填充方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109238547A true CN109238547A (zh) | 2019-01-18 |
Family
ID=65069427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984480.8A Pending CN109238547A (zh) | 2018-08-28 | 2018-08-28 | 一种飞机机载设备监测数据的边缘填充方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109238547A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
KR100941687B1 (ko) * | 2009-06-18 | 2010-02-12 | 인하대학교 산학협력단 | Gps 위성 궤도 예측 방법, 시스템 및 이를 위한 기록 매체 |
CN101742050A (zh) * | 2009-12-03 | 2010-06-16 | 浙江大学 | 针对运动模糊核空间移变的tdiccd图像复原方法 |
CN102426019A (zh) * | 2011-08-25 | 2012-04-25 | 航天恒星科技有限公司 | 一种无人机景象匹配辅助导航方法及系统 |
CN104459658A (zh) * | 2014-06-19 | 2015-03-25 | 西安电子科技大学 | 基于数据拟合的联合域定位空时二维自适应处理方法 |
CN107145693A (zh) * | 2017-06-27 | 2017-09-08 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机不规则油箱油量的动态测量方法 |
CN107507152A (zh) * | 2017-09-13 | 2017-12-22 | 鲁东大学 | 一种基于多图像局部插值的遥感图像缺失数据修复方法 |
-
2018
- 2018-08-28 CN CN201810984480.8A patent/CN109238547A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100941687B1 (ko) * | 2009-06-18 | 2010-02-12 | 인하대학교 산학협력단 | Gps 위성 궤도 예측 방법, 시스템 및 이를 위한 기록 매체 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
CN101742050A (zh) * | 2009-12-03 | 2010-06-16 | 浙江大学 | 针对运动模糊核空间移变的tdiccd图像复原方法 |
CN102426019A (zh) * | 2011-08-25 | 2012-04-25 | 航天恒星科技有限公司 | 一种无人机景象匹配辅助导航方法及系统 |
CN104459658A (zh) * | 2014-06-19 | 2015-03-25 | 西安电子科技大学 | 基于数据拟合的联合域定位空时二维自适应处理方法 |
CN107145693A (zh) * | 2017-06-27 | 2017-09-08 | 中国航空工业集团公司沈阳飞机设计研究所 | 飞机不规则油箱油量的动态测量方法 |
CN107507152A (zh) * | 2017-09-13 | 2017-12-22 | 鲁东大学 | 一种基于多图像局部插值的遥感图像缺失数据修复方法 |
Non-Patent Citations (1)
Title |
---|
陆艳洪,陆文凯,翟正军: "一种边缘保持的地震数据插值方法", 《地球物理学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2662741B1 (en) | System and method of determining rotor loads and motion | |
KR102391415B1 (ko) | 간섭계 분석을 위한 sar 이미징 방법 | |
WO2016086699A1 (zh) | 一种结合局部频率估计的小波域InSAR干涉相位滤波方法 | |
CN108871337B (zh) | 基于多视觉传感器分布式信息融合的遮挡情况下目标位姿估计方法 | |
CN104243837B (zh) | 基于单次曝光视频重建的颤振探测和遥感图像恢复方法 | |
CN105301666A (zh) | 一种航磁干扰补偿系数的自适应调整方法 | |
CN107179550B (zh) | 一种数据驱动的地震信号零相位反褶积方法 | |
CN111856459B (zh) | 一种改进的DEM最大似然约束多基线InSAR相位解缠方法 | |
CN109581427B (zh) | 基于微小卫星自主定轨的联合故障检测方法 | |
CN110989005B (zh) | 基于标量磁力仪阵列的弱磁异常自适应实时探测方法 | |
CN109471192B (zh) | 一种全自动重力测试仪高精度动态数据处理方法 | |
Sircoulomb et al. | State estimation under nonlinear state inequality constraints. A tracking application | |
CN109238547A (zh) | 一种飞机机载设备监测数据的边缘填充方法 | |
EP3122626A1 (en) | Estimation of gross weight and center-of-gravity | |
CN117169886A (zh) | 基于无迹卡尔曼滤波的高效率相位解缠方法 | |
CN103513288B (zh) | 一种二维网格数据的补偿方向滤波方法 | |
CN110826591B (zh) | 基于wsn及无人机的地空协同全域建筑健康监测方法 | |
KR102381013B1 (ko) | 다중 정합 기반 실시간 영상항법 수행 방법, 장치 및 컴퓨터 프로그램 | |
CN116859391B (zh) | 基于高频纹理互相关的InSAR对流层延迟矫正方法 | |
Pacholska et al. | Sampling at unknown locations, with an application in surface retrieval | |
CN112862729A (zh) | 一种基于特征曲线指导的遥感图像去噪方法 | |
CN112835041A (zh) | 结合UKF和AMPM的多基线InSAR高程重建方法 | |
CN114325846B (zh) | 一种利用时间相干性抑噪的磁异常检测方法 | |
Weller et al. | Prospective motion correction for functional MRI using sparsity and Kalman filtering | |
CN113032713B (zh) | 一种基于加权多通道奇异谱的数据序列信号提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190118 |
|
WD01 | Invention patent application deemed withdrawn after publication |