第2章测试信号的误差分析与预处理.
合集下载
第二章 测试信号的分析与处理(3)
（4）两周期信号的互相关函数仍然是同频率的周期信号， 且保留原了信号的相位信息。
（5）两个非同频率的周期信号互不相关。
（6）随机噪声信号的自相关函数将随 的增大快速衰 减。
12
4 相关分析的工程应用
案例：机械加工表面粗糙度自相关分析
被测工件
相关分析
性质3,性质6:提取出回转误差等周期性的故障源。
13
案例：地下输油管道漏损位置的探测
X1 t
X2
14
5 功率谱分析及其应用（补充）
(1) 功率谱密度函数的定义 随机信号的自功率谱密度函数（自谱）是该随机信号自 相关函数的傅立叶变换，记为Sx(f)：
其逆变换为：
15
(2) 功率谱密度函数的物理意义
Sx(f)随机信号的频域描述函数。
当τ =0时，有:
17
（3）功率谱在设备诊断中的应用
上图是汽车变速箱上加速度信号的功率谱图。图(a)是变速箱正
常工作谱图，(b)为机器运行不正常时的谱图。可以看到图(b)比
(a)增加了9.2Hz和18.4Hz两个谱峰，这两个频率就为设备故障
的诊断提供了依据。
18
19
11
3 相关函数的性质
相关函数描述了两个信号间或信号自身不同时刻的相似 程度，通过相关分析可以发现信号中许多有规律的东西。
（1）自相关函数是 的偶函数，RX()=Rx(- )； （2）当 =0 时，自相关函数具有最大值。
（3）周期信号的自相关函数仍然是同频率的周期 但不保留原信号的相位信息。
信号，
从而：
上式表明：Sx(f)曲线下的总面积与x2(t)/T曲线下的总面积相等。 从物理意义上讲，x2(t)是信号x(t)的能量，x2(t)/T是信号x(t)的
第2章 测量误差分析与数据处理习题课
解 按题意，功率测量允许的系统误差为
ΔP= 300 mW×5%=15 mW
20
又ΔP=uΔI+IΔu=ΔP1+ΔP2
根据等作用分配，有
P1
P2
P
2
I P / 2 15 2.5mA
u 23
则
u P / 2 15 0.075mA 75mV
I 2 100
9 ．在测量不确定度的评定前，要对测量数据进行异常数据
判别，一旦发现有异常数据应先剔除之。（对）
4
三、选择题：
1 ．若马利科夫判据成立，则说明测量结构中含有d。 （ a ）随机误差 (b) 粗大误差 (c) 恒值系差 (d) 累进性变值系差 2 ．在使用连续刻度的仪表进行测量时，一般应使被测量的数值尽可能在仪表满刻度值
5 ．被测量的真值是客观存在的，然而却是无法获得的。 （对）
6 ．系统误差的绝对值和符号在任何测量条件下都保持恒定， 即不随测量条件的改变而改变。（错）
7 ．不论随机误差服从何种分布规律，均可用莱特准则判定 粗大误差。（错）
8 ． A 类标准不确定度对应随机误差， B 类标准不确定度 对应系统误差。（错）
则此表在 50 μ A 点是合格的。要判断该电流表是否合格，应该在整个量程内取足够多的点进行检定。
7
答案： 8
答案：
P15 讲过
9
4 ．对某电感进行了 12 次精度测量，测得的数值（ mH ）为 20.46 ， 20.52 ， 20.50 ， 20.52 ， 20.48 ， 20.47 ， 20.50 ， 20.49 ， 20.47 ， 20.49 ， 20.51 ， 20.51 ，若要求在 P=95% 的置信概率下，该电感 真值应在什么置信区间内？
第2章误差分析与数据处理
系统误差 随机误差 粗大误差 测量精度
22
2.2 误差的分类
根据测量数据中的误差所呈现的规律及产生的原 因可将其分为系统误差、随机误差和粗大误差。
2.2.1 系统误差 在同一测量条件下，多次测量被测量时，绝对
值和符号保持不变，或在条件改变时，按一定规律 （如线性、 多项式、周期性等函数规律）变化的误 差称为系统误差。前者为恒值系统误差，后者为变 值系统误差。
44
2.3.2 随机误差及其处理
随机误差一般具有以下几个性质： ① 对称性 绝对值相等的正误差与负误差出现的 次数大致相等。 ② 有界性 在一定测量条件下的有限测量值中， 其随机误差的绝对值不会超过一定的界限。 ③ 单峰性 绝对值小的误差出现的次数比绝对值 大的误差出现的次数多。 ④ 抵偿性 对同一量值进行多次测量，其误差的 算术平均值随着测量次数n的增加趋向于零。
的标准条件下所具有的误差。例如，某传感器是在电源
电压（220±5）V、电网频率（50±2）Hz、环境温度
（20±5）℃、湿度65%±5%的条件下标定的。如果传
感器在这个条件下工作，则传感器所具有的误差为基本
误差。仪表的精度等级就是由基本误差决定的。
（5）附加误差 附加条件下出现的误差。例如，温度附加误差、
26
2.2 误差的分类
系统误差也称装置误差，它反映 了测量值偏离真值的程度。凡误差的 数值固定或按一定规律变化者，均属 于系统误差。
系统误差是有规律性的，因此可 以通过实验的方法或引入修正值的方 法计算修正，也可以重新调整测量仪 表的有关部件予以消除。
夏天摆钟变慢的原因是什么？ 27
V
A
V
－ 3 15
23
2.2 误差的分类
实验力学盖秉政第2章误差分析和数据处理
Sy
y x1
2 S12
y x 2
2
S
2 2
y x r
2
S
2 r
r
y xi
2
S
2 i
r
y xi
S
i
于是各自变量的误差
S1
Sy
r
y x1
， S2
Sy
r
y x2
，
……
Sr
Sy
r
y xr
p.20
理论力学
理论力学
【例题2-2】一悬臂梁如图2-5所示，要 求测量应力误差不大于2％，求各被测量 F、l、b、h允许多大误差。
x
1 n
x1
x2
xn
1 n
n i1
xi
（2-3）
剩余误差
剩余误差是测量数据与其算术平均值之差，记作 i
即
i xi x
算术平均差
算术平均差是剩余误差绝对值的算术平均值，即
1 n i n i1
（2-4）
p.10
理论力学
理论力学
2．标准差
随机变量的重要特征是分散性，标 准差与随机误差的平方有关，对数值较 大的误差反应灵敏，因而标准差是评估 随机误差分散性的重要指标。
1.准确度 准确度是指测量值与真值接近的程度
2.精密度 精密度是指多次测量所得数据的重复程度
图2-1 不同打靶结果说明准确度和精密度
p.5
理论力学
第三节 系统误差的消除
理论力学
一、校准法
定期校准仪器仪表是消除系统误差的重要方法。校准法是用更准确的 仪器校准实验仪器以减小系统误差，或用通过分析给出的各种修正公式修 正实验数据以消除系统误差。
第二章_测试信号分析与处理(2)
（2.177） （2.178）
因此互谱和幅值谱的关系为 1 S xy f lim Y f X * f T
T
正如Ryx(τ)≠Rxy(τ)一样，当x和y的顺序调换 时，Syx(τ)≠Sxy(τ) 。但根据Rxy(-τ)=Ryx(τ) 及维纳— 辛钦关系式，不难证明：
T 2 R x x
T 0
（2.149）
（2.150）
1 其中 R x Tlim T
x t x t dt
称为x(t)的自相关(auto-correlation)函数。
周期函数的自相关函数仍为周期函数，且两
者的频率相同，但丢掉了相角信息。 同频相关，不同频不相关。
f 0
（2.180）
自谱是f的实函数，而互谱则为f的复函数，实部 Cxy(f)称为共谱(cospectrum)，虚部Qxy(f)称为重谱 (quad spectrum)，即
Gxy f Cxy f jQxy f
（2.181）
写为幅频和相频的形式：
G f G f e j xy f xy xy 2 2 G xy f C xy f Q xy f Q xy f xy f arctg C xy f
式（2.170）称信号能量等式。|X(f)|2称能量 谱，是沿频率轴的能量分布密度。在整个时 间轴上信号的平均功率可计算为 1 1 （2.171） P lim x t dt lim X f df T T 自谱密度函数与幅值谱之间的关系:(rf.(2-169))
T T 2 T 2 2 2 T
2.2.7.3 相关分析
第二章 测试信号的分析与处理
1 x(t ) 2
X ( )e
d
傅里叶变换对
x(t ) X ( )
傅里叶逆变换 傅里叶（正）变换
（二）、瞬态信号的频谱分析
1．物理概念
当周期信号的 T 时， 0 2 T 0
周期信号
离散频谱
非周期信号
连续频谱
傅里叶级数
傅里叶变换
1 1 Cn (an jbn ) 2 T 当 T Cn 0
问题提出：
能否用正弦信号描述方波信号？ 简谐信号 解决办法： 复杂周期信号
利用数学工具傅里叶级数。
（一）傅里叶级数
一个周期为T的周期函数x(t)，如果满 足狄里赫利条件,则此函数x(t)可以展开为 傅里叶级数 。
狄里赫利条件： 1) 在一个周期内，处处连续或只存在有限个间断点； 2) 在一个周期内，极值点的个数是有限的； 3) 在一个周期内，函数是绝对可积。
T 2 0
4 T2 0 sin n 0tdt T
4 1 cos n 0t T n 0 0
T 2
( 0 2 T )
0 2 n (1) 1 4 n n
2 cos n 1 n
，n 2， （偶数） 4， , n 1,3, (奇数)
n
频谱图
幅值频谱图
相位频谱图
2．周期信号的频谱实例 例2 做出例1中周期方波的频谱图 解： 该方波的傅里叶级数式：
4 1 1 f (t ) sin 0 t sin 3 0 t sin 5 0 t 3 5
4 An an bn bn n b arctg ( )
清华大学测试与检测技术基础_王伯雄_第2章测试信号分析与处理
对于不同的被测参量，测试系统的构成及作用原 理可以不同；根据测试任务的复杂程度，一个测试 系统也可以有简单和复杂之分；根据不同的作用原 理，测试系统可以是机械的、电的、液压的等等。 在对待属性各异的各类测试系统中，常常略去系 统具体的物理上的含义，而将其抽象为一个理想化 的模型，目的是为了得到一类系统共性的规律。将 系统中变化着的各种物理量，如力、位移、加速度、 电压、电流、光强等称为信号。 因此，信号与系统是紧密相关的。信号按一定的 规律作用于系统，而系统在输入信号的作用下，对 它进行“加工”，并将该“加工”后的信号进行输 出。通常将输入信号称为系统的激励，而将输出信 号称为系统的响应。
周期信号的频谱是离散的!
例1 求图2.11所示的周期方 波信号x（t）的傅里叶级数。 解： 信号x（t）在它的一个周期中 的表达式为：
1, x (t ) 1, T t 0 2 T 0t 2
根据式（2.13）和（2.14）有： 2 T /2 an x ( t ) cos n 0 tdt 0 T / 2 T
第二章 测试信号分析与处理
Signal analysis and processing in measurement
测试信号分析与处理
2.1 信号与测试系统分析 2.2 信号描述 2.3 数字信号处理
本章学习重点
1.了解信号与测试系统分析的意义 2.确定性信号时、频域描述的方法：
–周期信号的频域表达及离散谱； –非周期信号的频域表达及连续谱； –傅立叶变换的主要性质及应用； –典型信号的傅立叶变换及应用。
–例如：质量——弹簧系统在受到一个激励后的
运动状况，可以通过系统质量块的位移——时 间关系来描述。反映质量块位移的时间变化过 程的信号则包含了该系统的固有频率和阻尼比 的信息。
测量误差分析和误差处理PPT讲稿
根据中误差的定义公式可得：
mz2 k12m12 k22m22 kn2mn2
现在您浏览的位置是第十二页，共十八页。
例题：
• 例4：对某一直线作等精度观测。往测距离为L1，返测距
离为L2，其中误差均为m。求该直线的最后结果及其中误
差。
•
解；最后结果L为
•
L L1 L2 2
设L的中误差为mL，有
• 解：水平距离为
• 水平距离的中误差为
s L2 h2 29.9922 2.052 29.922
• 式中
ms2
S L
2
m
2 L
S h
2
mh2
S 1 1 2L L L 0.0685
L 2 L2 h2
L2 h2 S
S 1 1 (2h) h h 1.0023
• 由于直接观测值有误差，故它的函数也必然会有误差。
研究观测值函数的精度评定问题，实质上就是研究观测 值函数的中误差与观测值中误差的关系问题。这种关系 又称误差传播定律。
现在您浏览的位置是第二页，共十八页。
（一）倍数函数的中误差
• 设有函数 Z=KX
• 用△X与△Z分别表示X和Z的真误差，则 • Z+△Z=K（X+△X） 即△Z=K△X
• [△2Z]=[△2X]+[△2Y] ±2[△X△Y]
现在您浏览的位置是第七页，共十八页。
现在您浏览的位置是第八页，共十八页。
例题
现在您浏览的位置是第九页，共十八页。
例题
现在您浏览的位置是第十页，共十八页。
习题1：
• 如图所示的测站点O，观测了α、β、γ三个角度，已知
它们的中误差分别为± 12、± 24、± 24秒，求由 此而得圆周角不符值ε的中误差。如果用方向观测法 观测了这三个角且测角中误差为12秒，请问计算角的 中误差是多少？
mz2 k12m12 k22m22 kn2mn2
现在您浏览的位置是第十二页，共十八页。
例题：
• 例4：对某一直线作等精度观测。往测距离为L1，返测距
离为L2，其中误差均为m。求该直线的最后结果及其中误
差。
•
解；最后结果L为
•
L L1 L2 2
设L的中误差为mL，有
• 解：水平距离为
• 水平距离的中误差为
s L2 h2 29.9922 2.052 29.922
• 式中
ms2
S L
2
m
2 L
S h
2
mh2
S 1 1 2L L L 0.0685
L 2 L2 h2
L2 h2 S
S 1 1 (2h) h h 1.0023
• 由于直接观测值有误差，故它的函数也必然会有误差。
研究观测值函数的精度评定问题，实质上就是研究观测 值函数的中误差与观测值中误差的关系问题。这种关系 又称误差传播定律。
现在您浏览的位置是第二页，共十八页。
（一）倍数函数的中误差
• 设有函数 Z=KX
• 用△X与△Z分别表示X和Z的真误差，则 • Z+△Z=K（X+△X） 即△Z=K△X
• [△2Z]=[△2X]+[△2Y] ±2[△X△Y]
现在您浏览的位置是第七页，共十八页。
现在您浏览的位置是第八页，共十八页。
例题
现在您浏览的位置是第九页，共十八页。
例题
现在您浏览的位置是第十页，共十八页。
习题1：
• 如图所示的测站点O，观测了α、β、γ三个角度，已知
它们的中误差分别为± 12、± 24、± 24秒，求由 此而得圆周角不符值ε的中误差。如果用方向观测法 观测了这三个角且测角中误差为12秒，请问计算角的 中误差是多少？
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
粗大值（离群值）：含有粗大误差的测量值。 出现粗大值属于小概率事件，所以凡偏差超过某合理
选择的小概率界限，就可以认为是异常的。
此小概率值在统计学上称为显著性水平，记为a.一般
取a=0.01或0.05.
判断粗大值有多种方法，下面介绍几种常用准则：
第2章 测试信号的误差分析与预处理
2.2粗大误差的判断和处理
第2章 测试信号的误差分析与预处理
2.2粗大误差的判断和处理
3σ准则：适用于测量次数较多的测量列
缺点：可靠性不高。
优点：适用简便、不需查表。
罗曼诺夫斯基准则:适用于测量次数很少的场合。
缺点：需要查表，使用不方便。 优点：可靠性较高。
另外还有格罗布斯准则和迪克松准则等。
第2章 测试信号的误差分析与预处理
ˆk xk x
ˆk 代替xk；否则仍 是否成立。如果不成立，则由 x 取xk,接着向前一个可疑异常值数据xk-1进行拟合和 判断，直到x1为止。
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
2.异常值的估计
② 如果被检测序列 x j与x j k 1 之间有K个连续可疑异常数 据 x j 1, x j 2 ,, x j k , 则由前面4个正常值数据和xj+k后的连 续正常数据，利用二阶多项式最小二乘估计拟合曲线， 得到K个观测数据xj+i的估计值，然后判断下式
ˆ (t ) x(t ) y(t ) y
所得结果即为消除了趋势项的信号。 例如：图2-3
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
数据处理时，必须首先对观测数据异常值进行 判别和处理，以合理、可信的数据替代它，保证测 试数据处理结果的质量。 1.异常值识别：（外推拟合方法） 以前面连续正常的观测数据为依据，建立最小 二乘多项式，藉此外推后一时刻的观测数据估计值， 与该时刻的实测数据作差，识别差值是否超过给定 的门限δ ；如超过则认为该值为异常值。
2.2粗大误差的判断和处理
防止及消除粗大误差的方法：
加强工作责任心
保证测量条件的稳定
采用不等精度测量 互相之间进行校验
第2章 测试信号的误差分析与预处理
2.3趋势项的去除
趋势项：由于测量系统中的电极接触不好或直流放 大器的零点漂移，有可能使记录到的信号x(t)包含 一慢变的趋势项y(t)。 它有可能随时间作线性增长，也可能按平方关系增 长。会产生较大误差，需去除。 设测试所得的信号为x(t),等间隔取样可得一系列数 据点x(ti),(i=0,1,2…n),用最小二乘法构造一个p阶多 项式（参看第3章）
测量(measurement)结果总有不确定性，用不确
定度表示。它是评定测量结果质量高低的重要指 标。不确定度越小，测量结果质量越高，可信度 越大。
第2章 测试信号的误差分析与预处理
2.1测量不确定度的概念
定义：不确定度是表征被测量的真值所处量值范围的
评定，即反映了被测量值的真值不能肯定的误差范围的 一种评定，是测量结果中无法修正的部分。
y(t ) a0 a1t a2t a pt ak t p
2 p k 0 p
第章 测试信号的误差分析与预处理
2.3趋势项的去除
如果判定趋势项是线性的，则令p=1;如果判定 趋势项不是线性的，则令p=2。这样的低阶曲线能 够较好地描述信号的趋势项。 然后令x(t)减去趋势项得：
第2章 测试信号的误差分析与预处理
本章学习要求：
1.了解不确定度的概念
2.掌握粗大误差的判断与处理
3.掌握趋势项的去除方法
4. 了解野值、跳点的概念及剔除与 补正
第2章 测试信号的误差分析与预处理
2.1测量不确定度的概念
误差的存在具有必然性和普遍性，由于测量误
差的随机性和复杂性，要确定测量误差的值是困 难的。
1.
3σ准则（莱以特准则） 对于某一测量列，若各测得值只含有随机误差， 则根据随机误差的正态分布规律，其残差落在±3σ 以外的概率约为0.3%。 如果在测量列中发现有残差大于3σ的测量值， 则可以认为它含有粗大误差，予以剔除。
第2章 测试信号的误差分析与预处理
2.2粗大误差的判断和处理
2.
罗曼诺夫斯基准则
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
1.异常值识别：（外推拟合方法） 假设连续4个观测数据记为 xi 4 , xi 3 , xi 2 , xi 1 , 由最小二乘估计线性外推（见第3章）获取第i时刻 观测数据的估计值为：
ˆi xi 1 x 1 1 xi 2 xi 4 2 2
当获得第i时刻观测数据时，则观察下式：
ˆi xi x
是否成立，如不成立，则将该值剔除，并用拟合后 的数据代替它。δ 一般为3σ或5 σ。
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
2.异常值的估计 ① 如果被检测序列的最前端有K个连续可疑异常数据 x1 , x2 ,, xk , 则由后面4个正常值数据 xk 1 , xk 2 , xk 3 , xk 4 , 利用 第3章介绍的二阶多项式最小二乘估计拟合曲线，外 推第K个观测数据xk的估计值，然后判断下式
不确定度可以是标准差或其倍数，称为标准不确定度
和扩展不确定度。也可以是置信区间的半宽。
真值不知道，所以误差无法得到。不确定度是测量误
差范围的估计值，是经过分析和评定得到的，与人们的 认识程度有关。两者的区别见表2-1.
第2章 测试信号的误差分析与预处理
2.2粗大误差(distortion error)的判断和处理
2.2粗大误差的判断和处理
2.
罗曼诺夫斯基准则
并求得测量列的标准差（不包含xj项）为
vi
i 1 i j
n
2
n 1
根据测量次数n和选取的显著度a，即可由查表 得到t分布的检验系数K(n,a)。若
x j x K
则认为测量值xj含有粗大误差，剔除xj是正确 的，否则需保留xj。
第2章 测试信号的误差分析与预处理
又称为t检验准则，它是按t分布的实际误差分 布范围来判别粗大误差。适用于测量次数较少的情 况。 设对某量作多次等精度独立测量，得x1、 x2…xn。若认为测量值xj为可疑数据，将其剔除后 计算平均值（不包括xj)为
n 1 x xi n 1 i 1 i j
第2章 测试信号的误差分析与预处理
选择的小概率界限，就可以认为是异常的。
此小概率值在统计学上称为显著性水平，记为a.一般
取a=0.01或0.05.
判断粗大值有多种方法，下面介绍几种常用准则：
第2章 测试信号的误差分析与预处理
2.2粗大误差的判断和处理
第2章 测试信号的误差分析与预处理
2.2粗大误差的判断和处理
3σ准则：适用于测量次数较多的测量列
缺点：可靠性不高。
优点：适用简便、不需查表。
罗曼诺夫斯基准则:适用于测量次数很少的场合。
缺点：需要查表，使用不方便。 优点：可靠性较高。
另外还有格罗布斯准则和迪克松准则等。
第2章 测试信号的误差分析与预处理
ˆk xk x
ˆk 代替xk；否则仍 是否成立。如果不成立，则由 x 取xk,接着向前一个可疑异常值数据xk-1进行拟合和 判断，直到x1为止。
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
2.异常值的估计
② 如果被检测序列 x j与x j k 1 之间有K个连续可疑异常数 据 x j 1, x j 2 ,, x j k , 则由前面4个正常值数据和xj+k后的连 续正常数据，利用二阶多项式最小二乘估计拟合曲线， 得到K个观测数据xj+i的估计值，然后判断下式
ˆ (t ) x(t ) y(t ) y
所得结果即为消除了趋势项的信号。 例如：图2-3
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
数据处理时，必须首先对观测数据异常值进行 判别和处理，以合理、可信的数据替代它，保证测 试数据处理结果的质量。 1.异常值识别：（外推拟合方法） 以前面连续正常的观测数据为依据，建立最小 二乘多项式，藉此外推后一时刻的观测数据估计值， 与该时刻的实测数据作差，识别差值是否超过给定 的门限δ ；如超过则认为该值为异常值。
2.2粗大误差的判断和处理
防止及消除粗大误差的方法：
加强工作责任心
保证测量条件的稳定
采用不等精度测量 互相之间进行校验
第2章 测试信号的误差分析与预处理
2.3趋势项的去除
趋势项：由于测量系统中的电极接触不好或直流放 大器的零点漂移，有可能使记录到的信号x(t)包含 一慢变的趋势项y(t)。 它有可能随时间作线性增长，也可能按平方关系增 长。会产生较大误差，需去除。 设测试所得的信号为x(t),等间隔取样可得一系列数 据点x(ti),(i=0,1,2…n),用最小二乘法构造一个p阶多 项式（参看第3章）
测量(measurement)结果总有不确定性，用不确
定度表示。它是评定测量结果质量高低的重要指 标。不确定度越小，测量结果质量越高，可信度 越大。
第2章 测试信号的误差分析与预处理
2.1测量不确定度的概念
定义：不确定度是表征被测量的真值所处量值范围的
评定，即反映了被测量值的真值不能肯定的误差范围的 一种评定，是测量结果中无法修正的部分。
y(t ) a0 a1t a2t a pt ak t p
2 p k 0 p
第章 测试信号的误差分析与预处理
2.3趋势项的去除
如果判定趋势项是线性的，则令p=1;如果判定 趋势项不是线性的，则令p=2。这样的低阶曲线能 够较好地描述信号的趋势项。 然后令x(t)减去趋势项得：
第2章 测试信号的误差分析与预处理
本章学习要求：
1.了解不确定度的概念
2.掌握粗大误差的判断与处理
3.掌握趋势项的去除方法
4. 了解野值、跳点的概念及剔除与 补正
第2章 测试信号的误差分析与预处理
2.1测量不确定度的概念
误差的存在具有必然性和普遍性，由于测量误
差的随机性和复杂性，要确定测量误差的值是困 难的。
1.
3σ准则（莱以特准则） 对于某一测量列，若各测得值只含有随机误差， 则根据随机误差的正态分布规律，其残差落在±3σ 以外的概率约为0.3%。 如果在测量列中发现有残差大于3σ的测量值， 则可以认为它含有粗大误差，予以剔除。
第2章 测试信号的误差分析与预处理
2.2粗大误差的判断和处理
2.
罗曼诺夫斯基准则
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
1.异常值识别：（外推拟合方法） 假设连续4个观测数据记为 xi 4 , xi 3 , xi 2 , xi 1 , 由最小二乘估计线性外推（见第3章）获取第i时刻 观测数据的估计值为：
ˆi xi 1 x 1 1 xi 2 xi 4 2 2
当获得第i时刻观测数据时，则观察下式：
ˆi xi x
是否成立，如不成立，则将该值剔除，并用拟合后 的数据代替它。δ 一般为3σ或5 σ。
第2章 测试信号的误差分析与预处理
2.4野值、跳点的剔除与补正
2.异常值的估计 ① 如果被检测序列的最前端有K个连续可疑异常数据 x1 , x2 ,, xk , 则由后面4个正常值数据 xk 1 , xk 2 , xk 3 , xk 4 , 利用 第3章介绍的二阶多项式最小二乘估计拟合曲线，外 推第K个观测数据xk的估计值，然后判断下式
不确定度可以是标准差或其倍数，称为标准不确定度
和扩展不确定度。也可以是置信区间的半宽。
真值不知道，所以误差无法得到。不确定度是测量误
差范围的估计值，是经过分析和评定得到的，与人们的 认识程度有关。两者的区别见表2-1.
第2章 测试信号的误差分析与预处理
2.2粗大误差(distortion error)的判断和处理
2.2粗大误差的判断和处理
2.
罗曼诺夫斯基准则
并求得测量列的标准差（不包含xj项）为
vi
i 1 i j
n
2
n 1
根据测量次数n和选取的显著度a，即可由查表 得到t分布的检验系数K(n,a)。若
x j x K
则认为测量值xj含有粗大误差，剔除xj是正确 的，否则需保留xj。
第2章 测试信号的误差分析与预处理
又称为t检验准则，它是按t分布的实际误差分 布范围来判别粗大误差。适用于测量次数较少的情 况。 设对某量作多次等精度独立测量，得x1、 x2…xn。若认为测量值xj为可疑数据，将其剔除后 计算平均值（不包括xj)为
n 1 x xi n 1 i 1 i j
第2章 测试信号的误差分析与预处理