AnyMath 文档

工程师。汉普尔过滤器

使用Hampel标识符过滤异常值。

库::`工程师`

资料描述

EngeeDSP系统对象。HampelFilter*使用Hampel标识符检测并删除输入信号中的异常值。 汉普尔标识符是统计规则的异常值抗性变体。 «三西格玛». 对于输入信号的每个样本,对象在由当前样本和 相邻计数在它的每一侧,其中 -在[Property:WindowLength]*中指定的窗口长度。 对象还使用中值绝对偏差估计参考相对于窗口中值的标准偏差。 如果样本与中值之间的差值超过阈值乘以标准偏差,则滤波器用中值替换此样本。 有关详细信息,请参阅算法。

要使用Hampel标识符过滤输入信号,请执行以下步骤:

  1. 创建*EngeeDSP对象。HampelFilter*并设置其属性。

  2. 用参数调用对象,就好像它是一个函数一样。

若要了解有关如何使用系统对象的详细信息,请参阅 AnyMath系统对象.

语法

创造

  • 汉普菲尔特=EngeeDSP。汉普尔过滤器() -返回Hampel过滤器系统对象 汉普菲尔特 使用默认属性。

  • 汉普菲尔特=EngeeDSP。汉普尔过滤器(Len) -返回Hampel过滤器系统对象 汉普菲尔特,其中具有属性*[Property:WindowLength]*设置为 伦.

  • hampFilt=EngeeDSP。汉普尔过滤器(Len,Lim) -返回Hampel过滤器系统对象 汉普菲尔特,其中具有属性*[Property:WindowLength]*设置为 伦,并为属性*[Property:Threshold]*-value 林氏.

  • 汉普菲尔特=EngeeDSP。HampelFilter(名称=值) -返回Hampel过滤器系统对象 汉普菲尔特 将指定的属性作为一对 名称=值,在哪里 姓名 -物业的名称,以及 价值 -适当的值。 您可以指定多个对 «名称-值» 对的顺序并不重要。 未指定的属性保留其默认值。

使用

  • [参数:y],[参数:isOutlier]=hampFilt([参数:x]) -检测并删除每个输入通道中的异常值 x 通过使用Hampel过滤器在时间上独立处理它们,结果返回 y. 它还返回一个逻辑数组。 isOutlier,isOutlier,其中值为 真的 指示输入信号的相应元素是异常值。 阵列 isOutlier,isOutlier 它具有与输入和输出信号相同的大小。

争论

输入参数

# x — 输入信号

+ 向量资料 | 矩阵

Details

指定为矢量或矩阵的输入信号。 如果 x -矩阵,它的每一列被认为是一个独立的通道。 对象支持大小多通道输入数据 上 ,在哪里 -每个帧(或通道)中的样本数量,以及 -通道数。

数据类型

漂浮物32, 漂浮64</无翻译>

输出参数

# y — 滤波后的输出信号

+ 向量资料 | 矩阵

Details

滤波后的输出信号作为矢量或矩阵返回。

数据类型

漂浮物32, 漂浮64</无翻译>

# isOutlier — 排放的定义

+ 向量资料 | 矩阵

Details

元素指示输入数组的相应元素是否为异常值的逻辑数组。 如果数组元素 isOutlier,isOutlier 这很重要 真的,则输入数组的对应元素为异常值。

数据类型

布尔</无翻译>

特征

None.

方法

所有系统对象通用

步!::运行系统对象运算算法 释放!::允许更改系统对象属性的值 重置!::重置系统对象的内部状态

此外

汉普尔ID

Details

Hampel标识符是一种统计规则。 «三西格玛»,耐排放。

给定序列 和滑动长度窗口 ,我们将使用以下方法确定中位数和标准偏差的点估计值:

*本地中位数 — ; *标准偏差 — ,在哪里 .

价值 它被称为中值绝对偏差(MAD)。

如果倒计时 这样,

对于给定的阈值 ,汉普尔ID计数 一个异常值并将其替换为 . 如果 同样 0,那么Hampel滤波器的行为就像一个常规的中值滤波器。

算法

so hampel filtr 1 cn

对于给定的数据计数 算法:

*将奇数长度窗口相对于当前参考点居中; *计算局部中位数 和标准偏差 对于当前数据窗口; *比较当前倒计时与 ,在哪里 -阈值。 如果 ,过滤器识别当前计数 作为异常值并将其替换为中值 .

考虑传递到Hampel过滤器的数据帧。

so hampel filtr 2

在此示例中,Hampel筛选器按长度窗口在数据上滑动 . 滤波器的阈值为 . 为了保证帧开头窗口的完整性,过滤算法在前面加 零计数。 在计算第一个输出样本时,窗口以具有数字的样本为中心 在扩展帧中—在这种情况下在第三个零。 滤波器计算局部窗口内数据的中值、中值绝对偏差和标准偏差。

so hampel filtr 3 cn

*当前倒计时: . *数据窗口: . *本地中位数: . *绝对偏差中位数: . 对于此数据窗口 . *标准偏差: = ,在哪里 . *当前倒计时 不遵循用于检测异常值的比率:

+

+ 因此,电流输入样本形成在Hampel滤波器的输出处。 .

对于每个后续计数重复此过程,直到算法将窗口置于计数上。 ,记为 结束. 由于是以后者为中心 窗口不能充满样本,这些样本与下一帧输入数据一起处理。

这里是汉普尔滤波器生成的第一个输出帧:

so hampel filtr 4 cn

第七届倒计时 23 添加的输入帧是异常值。 Hampel滤波器将此计数替换为局部窗口中的中位数。 [4 9 23 8 12].

using EngeeDSP

hampFilt = EngeeDSP.HampelFilter(WindowLength=5,Threshold=2)

x=[1, 2, 4, 9, 23, 8, 12, 4, 2]
println("x: ",x)

y,isOutlier=hampFilt(x)

println("y: ",y)
x: [1, 2, 4, 9, 23, 8, 12, 4, 2]
y: [0.0, 0.0, 1.0, 2.0, 4.0, 9.0, 9.0, 8.0, 12.0]

文学作品

  1. 博登汉姆,迪恩。 流数据的自适应过滤和变化检测。_博士论文. 伦敦帝国理工学院,2012年。

  2. 刘汉聪,西里什沙和魏江。 _在线异常值检测和数据清理。_计算机和化学工程。 卷。 28,2004年3月,第1635-1647页。

  3. Suomela,Jukka。 Median过滤相当于Sorting,2014。