Bayes估计在多波束测深异常数据探测中的应用

"这篇文章是2010年发表在《武汉大学学报·信息科学版》上的科研论文，由黄贤源、隋立芬、霍国君和柴洪洲等人合作完成。研究主要关注如何利用Bayes估计理论来检测多波束测深数据中的异常值。论文探讨了在海底地形连续平缓的假设下，如何改进异常值检测的可靠性，对比了Bayes估计方法与传统的选权迭代加权平均滤波法。" 在多波束测深系统中，由于各种因素如仪器噪声、复杂海况和参数设置不当，测得的数据可能会包含异常值。这些异常值会干扰对海底真实形状的准确描绘，因此需要进行滤波处理。传统方法如中值滤波、趋势面滤波和选权迭代加权平均滤波通常通过比较残差序列与2σ或3σ来识别异常值，但这种方法的可靠性依赖于残差序列的准确性，当残差不准确时，可能导致异常值的漏判。 文章借鉴了文献[8, 9]的思想，提出了一个新的异常值探测方法，该方法直接引入识别变量，基于Bayes估计理论。Bayes估计是一种统计方法，它考虑了先验知识和观测数据，能够更全面地更新对参数的估计。在海洋测深数据预处理阶段，首先建立了局部区域水深观测方程，然后利用Bayes估计来处理这些数据，旨在提高异常值检测的可靠性和有效性。 论文详细阐述了多波束测深数据的特点，即高密度和不规则性，指出全数据集虽然能提供丰富的信息，但在实际操作中，由于数据的动态性和复杂性，需要有效的异常检测策略。作者提出的Bayes估计方法旨在解决这个问题，提高异常值的识别率，从而确保海底地形的精确建模。 这篇论文贡献了一个新的多波束测深异常数据探测方法，该方法基于Bayes估计，能够在保持数据完整性的同时，提高异常值判断的可靠性，对于海洋测绘领域的数据处理具有重要的理论和实践价值。