(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111437156.2 (22)申请日 2021.11.29 (71)申请人 同济大学 地址 200092 上海市杨 浦区四平路1239号 (72)发明人 杨玲　喻杨康　孙楠　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 杨元焱 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/16(2006.01) (54)发明名称 一种基于 极大后验估计的多粗差探测方法、 装置及介质 (57)摘要 本发明涉及一种基于极大后验估计的多粗 差探测方法、 装置及介质， 方法包括： 获取观测值 向量， 根据观测值向量建立观测模型； 构造零假 设和若干个备择假设， 所述的零假设表示观测值 向量中不存在粗差， 每个备择假 设对应一个粗差 先验分布模型； 检验是否接收零假设， 若是判定 观测值向量中不存在粗差， 否则根据观测模型和 粗差先验分布模型获取各个备择假设的后验概 率， 选取后验概率最大的备择假设作为最优备择 假设； 根据最优 备择假设对应的粗差先验分布模 型确定观测值向量中粗差的数量和位置。 与现有 技术相比， 本发明有助于处理过拟合问题， 从而 提高粗差 探测精度。 权利要求书2页 说明书10页 附图11页 CN 114117802 A 2022.03.01 CN 114117802 A 1.一种基于极大后验 估计的多粗差 探测方法， 其特 征在于， 包括： 获取观测值向量， 根据观测值向量建立观测模型； 构造零假设和若干个备择假设， 所述的零假设表示观测值向量中不存在粗差， 每个备 择假设对应一个粗差先验分布模型； 检验是否接收零假设， 若是判定观测值向量中不存在粗差， 否则根据观测模型和粗差 先验分布模型获取各个备择假设的后验概率， 选取后验概率最大的备择假设作为最优备择 假设； 根据最优备 择假设对应的粗差先验分布模型确定观测值向量中粗差的数量和位置 。 2.根据权利要求1所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述 的观测模型为： y＝Ax+e， e～N(0， ∑) 其中 ， y为观测值向量 ， A为系数矩阵 ， x为待估参数 ， 为服从均值 为0， 方差为∑的高斯分布的偶然误差 。 3.根据权利要求2所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述 的粗差先验分布模型表达式为： 其中， N为备择假设的总数量， Hi为第i个备择假设， di为Hi中的粗差个数， dmax为最大粗 差假设数量， P为观测值向量y中各观测值出现粗差的概率， 表示粗差个数为d的备择假 设的数量。 4.根据权利要求3所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述 的dmax满足： dmax≤m‑n。 5.根据权利要求3所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述 的最优备 择假设 的表达式为： ∑vv＝∑‑A(AT∑‑1A)‑1AT 其中， ∑为观测值向量y的观测方差 。 6.根据权利要求5所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述 的检验是否 接收零假设的过程包括： 计算总体检验统计量T0和检验阈值kα， 判断是否满足T0＜kα， 若是则接收零假 设， 否则不 接受零假设。 7.根据权利要求6所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述权　利　要　求　书 1/2 页 2 CN 114117802 A 2的总体检验统计量T0的计算公式为： 8.根据权利要求6所述的一种基于极大后验估计的多粗差探测方法， 其特征在于， 所述 的检验阈值 kα的计算公式为： 其中， α 为 误警概率， 为依赖于α 和m‑n的卡方分布对应的临界值。 9.一种基于极大后验估计的多粗差探测装置， 其特征在于， 包括存储器和处理器， 所述 存储器存储有计算机程序， 所述处理器调用所述程序指 令能够执行如权利要求 1至8任一所 述的探测方法。 10.一种计算机可读存储介质， 其特征在于， 包括计算机程序， 所述计算机程序能够被 处理器执行以实现如权利要求1 ‑8任一所述的探测方法。权　利　要　求　书 2/2 页 3 CN 114117802 A 3