卡尔曼滤波在海洋浮标数据预处理中的应用Application of Kalman Filtering in Preprocessing of Marine Buoy Data
张新文,林冠英,刘同木,周保成
摘要(Abstract)：
【目的】优化自动化数据预处理方法，以提高海洋浮标数据质量。【方法】结合海洋浮标数据特征，提出了一种改进的自适应卡尔曼滤波自动化数据预处理方法，该方法通过箱型图进行异常值的检测，并采用方差受限的方法解决测量噪声导致的滤波发散问题。【结果与结论】海上工程应用和仿真实验结果表明，改进的算法计算开销低且不影响浮标系统的正常采集和数据融合工作，浮标数据采集率达100%，云数据中心数据接收率达97%。浮标采集的原始数据经过异常值修正和滤波降噪处理后，数据曲线更为平滑且符合随时间序列变化的规律，数据预处理效果良好。
关键词(KeyWords)： 海洋浮标;数据预处理;箱形图法;卡尔曼滤波算法;方差受限
基金项目(Foundation): 自然资源部海洋环境探测技术与应用重点实验室自主设立课题(MESTA-2021-C001);; 国家重点研发计划(2022YFC3104204);; 南海西部关键海域海洋环境立体组网观测技术(ZDYF2023GXJS151)
作者(Author): 张新文,林冠英,刘同木,周保成
参考文献(References)：
- [1]王军成,厉运周.我国海洋资料浮标技术的发展与应用[J].山东科学, 2019, 32(5):1-20.
- [2]刘同木,张新文,周保成,等.一种新型激光雷达测风浮标设计及海试应用[J].海洋测绘, 2021, 41(3):74-78.
- [3] DIAMANT R, SHACHAR I, MAKOVSKY Y, et al. Crosssensor quality assurance for marine observatories[J]. Remote Sensing, 2020, 12(21):3470.
- [4] DING K, ZHANG J W, DING H X, et al. Fault detection of photovoltaic array based on Grubbs criterion and local outlier factor[J]. IET Renewable Power Generation, 2020, 14(4):551-559.
- [5]李蕊,王慧忠,冯建文.改进拉伊达准则在LabVIEW温度采集系统中的应用[J].计算机测量与控制, 2018, 26(6):207-210.
- [6]刘首华,陈满春,董明媚,等.一种实用海洋浮标数据异常值质控方法[J].海洋通报, 2016, 35(3):264-270.
- [7]雷发美,万艳,商少平,等.海洋浮标表层环境要素质控流程和方法的研究[J].海洋技术学报, 2022, 41(4):10-25.
- [8] KALMAN R E. A new approach to linear filtering and prediction problems[J]. Journal of Basic Engineering, 1960,82(1):35-45.
- [9]林旭梅,刘帅,石智梁.基于自适应卡尔曼滤波的多传感器信号降噪[J].计算机仿真, 2022, 39(2):507-511.
- [10]范峥,李宏,刘向文,等.基于局地集合变换卡尔曼滤波的全球海洋资料同化系统设计及算法加速[J].地球科学进展, 2019, 34(5):531-539.
- [11] DE OLIVEIRA B N, VALK M, MARCONDES FILHO D. Fault detection and diagnosis of batch process dynamics using ARMA-based control charts[J]. Journal of Process Control, 2022, 111:46-58.
- [12]张宇,周燕,陶邦一,等.基于时序相关性分析方法的浮标异常数据识别[J].海洋学报, 2020, 42(11):131-141.
- [13] CLARE M C A, SONNEWALD M, LGUENSAT R, et al.Explainable artificial intelligence for Bayesian neural networks:toward trustworthy predictions of ocean dynamics[J]. Journal of Advances in Modeling Earth Systems, 2022, 14(11):1-27.
- [14] CHEN D L, LIU F, ZHANG Z Q, et al. Significant wave height prediction based on wavelet graph neural network[C]//2021 IEEE 4th International Conference on Big Data and Artificial Intelligence(BDAI). IEEE, 2021:80-85.
- [15]国家市场监督管理总局,中国国家标准化管理委员会.海洋观测规范第3部分：浮标潜标观测:GB/T 14914.3-2021[S].北京:中国标准出版社, 2021.
- [16]中华人民共和国国家海洋局.海洋监测技术规程第6部分：海洋水文、气象与海冰:HY/T 147.6—2013[S].北京:中国标准出版社, 2013.
- [17]张勇,姜鑫蕾,杨文武,等.基于卡尔曼滤波的GNSS系统联合定位技术研究[J].电子测量技术, 2021, 44(3):109-113.
- [18]龚波,周永华,艾矫燕.融合卡尔曼滤波的无人船航向神经网络控制[J].计算机工程与设计, 2020, 41(8):2315-2320.
- [19] SHEN Q Y, LIU Y S, CHEN R, et al. The atmospheric vertical detection of large area regions based on interference signal denoising of weighted adaptive Kalman filter[J].Sensors, 2022, 22(22):8724.
- [20] CHEN L, ZHENG Q, XIONG X J, et al. Dynamic and statistical features of internal solitary waves on the continental slope in the northern South China Sea derived from mooring observations[J]. Journal of Geophysical Research:Oceans, 2019, 124(6):4078-4097.
- [21]徐智优,原庆东,熊学军,等.南海东北部C型内孤立波的观测与分析[J].海洋科学进展, 2020, 38(2):211-225.
- [22] JIANG S, CHEN Y H, LIU Q K. Advancements in buoy wave data processing through the application of the sagehusa adaptive Kalman filtering algorithm[J]. Sensors, 2023,23(16):7298.