导航领域常用统计量(CEP与RMS等)及其转换关系.docxVIP

1基本概念 1?1标准差 标准差的观念是由卡尔 皮尔逊（Karl Pearson）弓I入到统计中，定义为方差的算数平 方根，反映组内个体间的离散程度。 标准差只反映数据偏离均值的程度， 而不关心数据均值与真值的偏差。 换言之，标准 差反映的是测量的精度，而不关心测量的准确度。 假设有一组数值込二如沁八飞（皆为实数），其平均值为： 1坪 此组数值的标准差为： 1 Nff= J -y ￡（兀—?）3 1 i=l 在真实世界中，除非在某些特殊情况下，找到一个总体的真实的标准差是不现实的。 大多数情况下，总体标准差是通过随机抽取一定量的样本并计算样本标准差估计的。 从一大组数值 爲h…’「衙:F当中取出一样本数值组合 心肛■…用：鬧成决，常定 义其样本标准差： 口若起-叩 样本方差.是对总体方差?的无偏估计。.中分母为一「?是因为 沁 …込的自由 n 工（寄—阪）=0 度为门一 .?，这是由于存在约束条件 I 样本标准差也被称为贝塞尔修正标准差。 对于正态分布，深蓝区域是距平均值小于一个标准差之内的数值范围， 此范围所占比 率为全部数值之68%;两个标准差之内（深蓝，蓝）的比率合起来为 95%;三个标准差 la2 a 3a-3cj -2a -la u1 6 2 6 3 c法则。 la 2 a 3a -3cj -2a -la u 1.2 RMS 均方根差，英文名为 root mean square erro,是均方差(mean square erro, MSE) 的 算数平方根。 在统计学中，随机变量估值：■对于变量「的均方差定义为： MSE0) = E [@ — 0鬥. MSE是误差的平方的期望值。 通过简单的运算可知： MSE(e) = Var(5) + 但读( 9) \~. 上式的含义更清楚一些，MSE可以分解为的方差与偏差两项。 假如估值是无偏的，则MSE就等于估值的方差，亦即RMS等于标准差；若估值是 有偏的，贝U MSE ■。 在导航领域，通常认为测量结果是无偏的，并且测量误差服从正态分布，因此常用标 准差中的Io、2o、3c法则来表征探测概率。 对于一维测量，测量样本在真值两侧的分布服从 1o 2o 3o法则； 对于二维测量，使用置信椭圆描述测量样本的分布情况， 置信椭圆的长短半轴，分别 表示二维位置坐标分量的标准差(如经度的 臥和纬度的％);但椭圆误差在实际使用中没 有重要的意义，所以常常采用 等概率误差圆”，其半径是根据定位点落在该圆内的概率与 落在椭圆内的概率相等(或成比例)的原则计算确定的。这个误差圆的半径 DRMS (距 离均方根差，也称为圆径向误差)即为沿误差椭圆长轴和短轴的 1倍o误差分量的平方 和的平方根，用2 o值就得出2 DRMS概率圆半径。DRMS和2 DRMS的圆概率取决于 误差的椭圆度，DRMS常用67 %的概率，而2 DRMS则常用95 %的概率。 2 2 DRMS=sqrt( o? + 对于三维测量，使用置信椭球描述测量样本的分布情况。 1.3 CEP 与 SEP 圆概率误差(circular error probability，CEP)是在以天线真实位置为圆心的圆内，偏 离圆心概率为50%的二维点位离散分布度量。 CEP=0.59 ( (o + a) CEP95 (也称为R95)，是在以天线真实位置为圆心的圆内，偏离圆心概率为 95%的 二维点位精度分布度量。当概率为 95%时，则有 CEP95 = CEP 2.08 = 1.2272 ( o?+ x) 当概率是99%时，则是 CEP99 = CEP .58 = 1.5222 ( o? + o) 对于三维位置而言，则以球概率误差表示。球概率误差( spherical error probability， SEP）是在以天线真实位置为球心的球内，偏离球心概率为50%的三维点位精度分布度量 SEP = 0.51 ( d + 讯+ (h) 2二维误差的转换关系 二维误差包括 CEP、DRMS、R95、2DRMS等，各误差统计特性为: Accuracy Measure Probability (%) Circular error probability (CEP) 50 Dista nee Root mea n square (DRMS) 63 to 68 95% radius (R95) 95 Twice the dista nee root mea n square (2DRMS) 95 to 98 按照概率大小可知，对于同一组样本，各误差大小为 CEPDRMSR952DRMS，近 似转换关系为： From/to CEP DRMS R95 2DRMS CEP - 1.2 2.1 2.4 DRMS 0.83 - 1.7 2.0 R95 0.48