用自助法估计外弹道测量数据随机误差分布特性
- 格式:pdf
- 大小:485.43 KB
- 文档页数:5
7 6
飞行器测控学报
第3 1卷
的变量 。
n 本文首先对 测 量 数 据 { Y} i =1 采 用 样 条 分 频 技 术得到随机误差的 初 步 估 计 ; 然后采用三次多项式
具体过程如下所述 。 …, 步骤 1: 从{ 中有放回地随机抽取 ε ε ε 1, 2, n} * * * * …, 容量为 m 的 B o o t s t r a ={ ε ε ε p 样本ε 1 , 2 , m }。 …, 其中 , ε ε ε 1 被抽走 N 1 次, 2 被抽走 N 2 次, m 被抽 …, 走 Nm 次 , 0 ≤ Ni ≤ m, Ni 为整数 , i= 1, 2, n,
] ] 1 2 6 - 。因此, ( 确[ 本文提出了基于 B 自助 ) 方法[ o o t s t r a p
1 基本思路
3] 测量数据一般具有以下形式 [
Y = X +ε 其中 Y 是测量值 ; X 是系统误差补偿后的真 实信 号, 是不能测量的变量 ; 且X 与 ε 是 随 机 误 差 变 量,
且满足
i=1
∑N
i
=m 。
ቤተ መጻሕፍቲ ባይዱ
率重采样 , 得到随 机 误 差 的 B 最后计 o o t s t r a p 样 本; 算B 从而得到精度较高的 o o t s t r a p 样 本 的 统 计 量, 外弹道测量数据随机误差模型 。
B
2 步骤 2: 将步骤 1 重复 B 次 , 每次得到σ 的估计 2 2 2 …, 这样σ 的估计可以取为σ 为^ k = 1, 2, B, = σ k,
2 基于 B o o t s t r a p 方法的估计
2. 1 测量数据的随机误差序列计算 外弹道测量数据 具 有 n 次 多 项 式 样 条 特 征 , 即 存在样条节点数 N 及样条内节点 TN ∈ ΓN , 使得 N N 2 2 ( ) ( , ) ( ) ‖ ‖ ≈‖ εt ‖ y t -f n tT
飞行器测控学报 第3 1卷 第1期 V o l . 3 1 N o . 1 2 0 1 2年2月 F e b . 2 0 1 2 J o u r n a l o f S a c e c r a f t T T&C T e c h n o l o p g y
n
拟合修 正 样 本 经 验 分 布 函 数 , 替换传统 B o o t s t r a p } 中样本相对集中 , 方法中经验分布函数 , 解决 { ε 产生 的 随 机 样 本 不 能 很 好 满 足 统 计 学 要 求 的 问
n i =1
] 5 7 - ; 题[ 再利用修正后的样本经验分布函数进行等概
…, Y2 , ε 相互独立 。 对于 变 量 Y 的 一 组 测 量 值 Y1 , 它们都满足 Yn , …, Yi = X i∈ { 1, 2, n} ε i+ i, 式中 ε X i 表 示 随 机 误 差 中 的 一 个 值; i 是对应 X
的外弹道测量数据随机误差分布特性估计。
; 修回日期 : 2 0 1 1 0 9 1 3 2 0 1 1 1 0 0 8 * 收稿日期 : - - - - , : 第一作者简介 : 周慧 ( 女, 硕士 , 高级工程师 , 现从事数据处理工作 ; 1 9 7 2- ) E-m a i l z h 2 0 0 0 1 6@s i n a . c o m
E s t i m a t i o n o f t h e R a n d o m E r r o r D i s t r i b u t i o n C h a r a c t e r i s t i c s o f E x t e r i o r B a l l i s t i c M e a s u r e m e n t D a t a B a s e d o n B o o t s t r a M e t h o d p
用自助法估计外弹道测量数据随机 误差分布特性
*
周 慧, 马擎宇
( ) 9 2 9 4 1 部队 · 辽宁葫芦岛 ·1 2 5 0 0 1
摘 要: 针对外弹道测量数据的有限性使随机误差的分布估计 不 够 准 确 的 问 题 , 提出了基于 B 自助) 方法 o o t s t r a p( 的外弹道测量数据随机误差分布特性估计 。 首先对测量数据采用样条分频技术 得 到 随 机 误 差 的 初 步 估 计 , 然后采 用三次多项式拟合修正样本经验 分 布 函 数 , 替换传统 B 得到随机误差的 B o o t s t r a o o t s t r a p方 法 中 经 验 分 布 函 数, p 样本 , 计算 B 从而得到精度较高的外弹道测量数据随机误 差 模 型 。 从 仿 真 数 据 验 证 结 果 来 o o t s t r a p 样本的统计量 , 解决了传统 B 看, o o t s t r a p 方法仿真随机样本相对比较集中的问题 。 关键词 : 外弹道测量 ; 系统误差 ; 随机误差 ; B o o t s t r a p 方法 中图分类号 : V 5 5 7. 5 文献标识码 : A ( ) 文章编号 : 1 6 7 4 5 6 2 0 2 0 1 2 0 1 0 0 7 5 0 5 - - -
N N n , 其中 f t TN )=α t+ … + t α α + n ( 0+ 1 n
1 ^ 2 σ k 。 ∑ Bk =1 …, 把随机误差ε= { 按自小至大的顺 ε ε ε 1, 2, n} …, 序排列 , 可得到ε 的次序统计量 { ( ( ( ε ε ε 1), 2), n)}。 由此可构造随机误差ε 的经验分布函数为 ( 0, ε <ε 1) 烄 …, )= i ,ε ( ) ≤ε ≤ε ( i = 1, n-1 F ε i i 1), n( + 烅 n ( 1, ε >ε n) 烆 )的 随机 仿真产生服从样本经验分布函数 F ε n( 样本的方法如下 : ) ] 产生 [ 区间均匀分布的随机数η ; 1 0, 1 ) ) 令β = ( 2 n-1 i= [ +1 ; η, β] ) ) ( 其中ε ( )+ ( ( ( )), 3 i+1 ε ε ε F =ε i i 1) - i F + β- 即为所需的随机样本 。 分析产生随机 误 差ε 随 机 样 本 的 方 法 , 发现产 , 生的随机 样 本 其 取 值 区 间 只 限 于 [ 仿真 ( ( ε ε 1), n) ] 随机样本相对比较 集 中 , 产生的随机样本其随机性 本文采用 就不能很好地满 足 统 计 学 的 要 求 。 因 此 , )。 不妨定义 三次多项式函数拟合 F ε n(
,MA Z HOU H u i Q i n u g y
( , ) P L A U n i t 9 2 9 4 1,H u l u d a o L i a o n i n P r o v i n c e 1 2 5 0 0 1 g
:A , A b s t r a c t s a r e s u l t o f t h e l i m i t e d n e s s o f b a l l i s t i c m e a s u r e m e n t d a t a d i s t r i b u t i o n e s t i m a t i o n o f t h e r a n d o m e r r o r i s a c c u r a t e e n o u h. T o s o l v e t h i s t h i s r a n d o m e r r o r d i s t r i b u t i o n c h a r a c t e r i s t i c s e s t i m a t i o n n o t r o b l e m, a e r r o o s e s g p p p p p , o f b a l l i s t i c m e a s u r e m e n t d a t a b a s e d o n B o o t s t r a m e t h o d . F i r s t e s t i m a t i o n o f t h e r a n d o m e r r o r i s o b r e l i m i n a r - p p y , t a i n e d w i t h s l i n e f r e u e n c d i v i s i o n t e c h n o l o f r o m m e a s u r e m e n t d a t a . T h e n e m i r i c a l d i s t r i b u t i o n f u n c t i o n o f t h e p q y g y p B o o t s t r a m e t h o d i s r e l a c e d b t h e e m i r i c a l d i s t r i b u t i o n f u n c t i o n o f c u b i c f i t t i n c o r r e c t i o n o l n o m i a l t r a d i t i o n a l p p y p g p y s a m l e t o o b t a i n t h e B o o t s t r a s a m l e o f t h e r a n d o m e r r o r .H i h a c c u r a c r a n d o m e r r o r m o d e l o f t h e b a l l i s t i c m e a s - p p p g y o t u r e m e n t d a t a i s b c o m u t a t i o n o f t h e s t a t i s t i c s o f t h e B o o t s t r a s a m l e . S i m u l a t i o n a n d v a l i d a t i o n d a t a s h o w s g y p p p t h e r o b l e m o f t h e r e l a t i v e c o n c e n t r a t i o n o f t h e s i m u l a t i o n r a n d o m s a m l e i n t h e t r a d i t i o n a l B o o t s t r a m e t h o d i s t h a t p p p s o l v e d . : ; ; ; K e w o r d s B a l l i s t i c M e a s u r e m e n t S s t e m E r r o r R a n d o m E r r o r B o o t s t r a M e t h o d y p y