APP下载

复合测量误差分布的蒙特卡罗仿真

2011-06-30王辉

现代电子技术 2011年9期

王辉

摘 要:针对用传统方法计算复合测量误差分布十分困难的情况,提出了基于蒙特卡罗法的复合测量量的误差分布的统计处理方法。仿真分析表明,采用蒙特卡罗和传统的方法统计的复合测量函数的均方差基本相同,相对于传统的统计方法,蒙特卡罗法不用考虑复合测量函数的逆变换,可以利用计算机直接仿真具有特定分布的随机误差,能够很快统计出复合测量随机误差的分布特性,具有一定的推广价值。

关键词:复合测量; 蒙特卡罗仿真; 均方差; Matlab

中图分类号:TN911-34

文献标识码:A

文章编号:1004-373X(2011)09-0025-03

Monte-Carlo Simulation for Composite Measurement Error Distribution

WANG Hui

(The 93.Detachment, Unit 92941 of PLA, Huludao 125000, China)

Abstract: Monte Carlo simulation method is put forward for solving the difficulty of traditional composite measurement error distribution calculation methods. Simulation results prove that their root-mean square deviation are same, but the Monte-Carlo simulation does not need to calculate reverse transform. It can calculate random error distribution by computer and has generalization.

Keywords: composite measurement; Monte-Carlo simulation; root-mean square deviation; Matlab

0 引 言

在外测中,绝大多数问题是复合测量。通常,将需多个测量量才能解算得到所需要的量,称为复合测量[1]。例如,在对外测数据进行事后处理时,利用雷达测量数据斜距R、方位角α和高低角β,通过坐标转换得到目标在测量坐标系中的位置X=(x,y,z)琓[1]。复合测量误差通常由直接测量与被测量之间的函数关系来计算,因此又称为函数误差。研究随机变量的函数误差的概率分布问题,传统的做法为[2]:根据概率论的知识,设测量量x1,x2,…,xn的联合密度函数为fx(x1,x2,…,xn),而:

Yi=gi(x1,x2,…,xn), i=1,2,…,n

构成x1,x2,…,xn到y1,y2,…,yn的一一对应变换,则其存在逆变换,设其逆变换的雅可比行列式为:

J(y1,y2,…,yn)=

礸-11/祔1…礸-11/祔n

螵鳓

礸-1n/祔1…礸-1n/祔n

则得到y1,y2,…,yn的联合概率密度函数为:

fy(y1,y2,…,yn)=J(y1,y2,…,yn)*

fx[g-11(y1,y2,…,yn),g-12(y1,y2,…,yn),…,

g-1n(y1,y2,…,yn)]

(1)

但是,当复合测量函数为非线性函数时,要求得 x1,x2,…,xn到y1,y2,…,yn的一一对应变换的逆变换是十分困难的,所以采用上述解析方法是不可能的。

为解决上述问题,本文结合单脉冲雷达坐……

登录APP查看全文