在無系統誤差的情況下，測量中大誤差出現的概率是很小的。在正態分布下，誤差絕對值超過2.57σ(x)的概率僅為1%，誤差絕對值超過3σ(x)的概率僅為0.27%≈1/370。對于誤差絕對值較大的測量數據，就值得懷疑，可以列為可疑數據。可疑數據對測量值的平均值及實驗標準偏差都有較大的影響，造成測量結果的不正確，因此在這種情況下要分清可疑數據是由于測量儀器、測量方法或人為錯誤等因素造成的異常數據，還是由于正常的大誤差出現的可能性。首先，要對測量過程進行分析，是否有外界干擾，如電力網電壓的突然跳動，是否有人為錯誤，如小數點讀錯等。其次，可以在等精度條件下增加測量次數，以減少個別離散數據對最終統計估值的影響。在不明原因的情況下，就應該根據統計學的方法來判別可疑數據是否是粗差。這種方法的基本思想是：給定一置信概率，確定相應的置信區間，凡超過置信區間的誤差就認為是粗差，并予以剔除。用于粗差剔除的常見方法有萊特檢驗方法和格拉布斯檢驗方法。

1. 萊特檢驗方法

萊特檢驗法是一種正態分布情況下判別異常值的方法。判別方法如下：

假設在一列等精度測量結果中，第i項測量值xi所對應的殘差vi的絕對值滿足

，

則該誤差為粗差，所對應的測量值xi為異常數值，應剔除不用。此處，殘差： ，標準偏差估計：

(貝塞爾公式)。

本檢驗方法簡單，使用方便，當測量次數n 較大時，是比較好的方法。一般適用于n>10 的情況，n<10 時，萊特檢驗法失去判別能力。

2. 格拉布斯Grubbs檢驗法

格拉布斯檢驗法是在未知總體標準偏差σ (x)的情況下，對正態樣本或接近正態樣本異常值進行判別的一種方法，是一種從理論上就很嚴密，概率意義明確，以經實驗證明效果較好的判據。具體方法如下：對一系列重復測量中的最大或最小數據，用格拉布斯檢驗法檢驗，若殘差 ，則判斷此值為異常數據，應予以剔除。g(n,a)取決于測量次數n和顯著性水平a (相當于犯“棄真”錯誤的概率系數，若Pc為置信概率，則a=1-Pc)，a通常取0.01(1%)或0.05(5%)。g值按重復測量次數及置信概率由表2-1 給出。

格拉布斯準則是在未知總體標準差情況下，對正態樣本或接近正態樣本異常值的一種判別方法。對于測量次數n=3~5的測量，格拉布斯準則理論較嚴密，概率意義明確，實踐證明是一種比較切合測量實際的判別異常值的方法。異常值的出現會歪曲測量結果，所以當測量結果中出現異常值時，應盡可能地查找出技術上和物理上的原因，作為處理異常值的依據。對經判斷確為異常值的數據，應予以剔除，不得包括在測量列中。在自動測量系統和測量過程控制中，測量軟件必須設計異常值剔除程序。

利用格拉布斯準則需要處理大量的數據，而在一般的工業現場測試設備中，儀表結構大多采用嵌入式結構，如AVR單片機。這些MCU程序空間和數據空間有限，若處理大量數據，難以滿足資源要求。而且，由于格拉布斯準則要求MCU進行大量數據處理，使得系統降低了信號采集速率，影響實時性。

萊特準則和格拉布斯準則對抑制個別的異常數據方面具有一定作用，然而對于由工頻干擾引起的平穩隨機干擾信號不太理想。隨著近幾年來集成電路的快速發展，一些數字濾波器也集成到數據處理芯片當中，而且數字濾波器的設計參數通過軟件可編程實現，具有極大的靈活性和實用性。

clip_image002.jpg

(24.77 KB, 下載次數: 15)

2010-10-28 11:41 上傳

總結

以上是生活随笔為你收集整理的莱特准则 matlab,初学MATLAB，遇到一简单的题目，一点头绪也没有啊.99的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。