李坤坤，曹 锐，胡亚雄

（西北核技术研究院，西安 710024）

0 引言

在测控设备跟踪弹道目标试验中，外测数据作为目标态势感知和设备跟踪性能考核的重要依据，在数据分析工作中具有重要的作用。然而，由于复杂作战环境干扰、相关设备的系统故障，或设备人员的判断失误和操作失准等原因，测量信息不可避免地会出现一部分偏离被测信息趋势特征的异常点，这些异常点便称为野值［1］。野值的存在将直接影响到数据的处理精度与分析结果，因此，有必要在外测数据预处理过程中，对它们进行检测识别与剔除修正。

通常情况下，野值根据是否连续可划为孤立野值和斑点野值两种类型，孤立型野值是指数据序列中非持续出现的某一独立时刻异常跳变点；斑点型野值是指数据序列中持续出现的幅度较为接近的成片异常跳变点［2］。当前围绕孤立型野值处理常见的有差分检测法及多项式外推拟合法［3-4］，其剔除作用显著，但对斑点型野值的处理不太理想，易导致野值识别不完全、剔除效果有限及部分有用信息连带被删除等缺陷。围绕斑点型野值的处理常见有Kalman 滤波、稳健滤波M 估计、最小二乘B 样条逼近等方法［5-7］，这些方法能较好地识别并剔除连续野值点，但剔除效果不稳定、剔除后出现数据缺失，以及处理方法较复杂造成使用受限等问题依然存在。此外，传统野值剔除方法（如White 准则、Grubbs 准则及Romanovsky 准则）对数据对象的统计特性有特定要求［8］，且存在一些符合时变趋势的正常数据超出准则所用判断门限，因此，直接采用这些准则可能会删除部分有用信息。……