在一些试验中，需要使用遥测技术对被试产品的关键技术进行实施监控，并做出是否有异常的判断，而由于遥测数据由于误码的原因，数据存在野值和干扰数据，影响推理结果的准确性。遥测指显软件显示各个关键参数曲线以及相应的阈值，遥测数据中出现问题主要依靠相关技术人员在现场进行监视与分析，当系统出现问题时常会显得非常匆忙，对试验结果判断也会带来一定程度的影响。这就需要一种方法，通过比较产品遥测关键参数的实测值与期望值之间的差异来判断产品是否异常。从而代替过分依赖人工经验以及难以实现故障判断与预测的自动推理。
1 遥测参数判断预处理
在许多遥测系统中，由于遥测数据由于误码的原因，数据存在野值和干扰数据，影响推理结果的准确性。在判断之前要先把干扰数据从故障异常数据中分离出来，这样保证用于判断的数据是可信度高的，避免因干扰数据影响了判断正常进行。
2 遥测参数分类
2.1 合理性检验
在进行知识库建立和异常判决时，为了得到合理的数据以及相应准确的判决结果，部分参数需要一定的合理性算法进行处理，把数据中那些由于传感器测量误差等某些外界因素所产生的错误数据加以剔除，以保证下一步具体进行一系列的数据分析和判断时所使用的数据都是有意义的。
2.2 合理性检验的方法
在遥测数据传输过程中，由于传感器、变换器及无线电传输中的干扰等造成的异常跳点，往往会导致测量数据中包含一些很不合理的跳点，称之为野值。如果不将野值从遥测参数中排除掉，用此遥测参数进行异常判决得出的结果必定不正确，所以我们必须在数据合理性检验过程中将野值剔除。
（1）
（2）
其中i=7，8，…，N，yi为原始试验数据，为插值后数据。先检验前六个点是正常点，用式
（1）按时间顺序逐点计算和信息。对于野值，其vi远大于正常值。经验表明，满足下列公式者为野值：
（3）
通常使用数据中的连续跳点的值都比较接近，可用下式剔除连续跳点。当K点为野值时，则满足下式的点也是野值：
公式假定在一般情况下，在飞行试验任务中，试验数据中连续跳点很少超过4点，故取m=3，以避免将阶跃信号当作野值剔除。当满足式
（4）的点超过3，认为yk，yk+1，…yk+m皆为正常值。野值取为零。或者由于遥测之前，产品说明书会提供一些模拟的理论真值数据，因此针对不同的遥测参数，可以根据具体的参数特点和理论真值的趋势来设定m。m的确定难以把握。根据经验，在以往遥测数据中，遥测参数确实会出现了大量的连片的野值，因此这种限定m的算法有一定弊端，本项目对这个算法进行了改进，对m不加以限定，而是只要不满足式
（4），说明后续的点与野值很相近，可以定为野值。具体流程图见图1。
2.3 合理性检验实例分析
以某次遥测数据为例，对高压转子转速这个参数用该算法进行合理性检验，可以有效剔除野值。检验前和检验后的数据对比如图2-图3。
3 结论
该文研究了用前推差分多项式拟合的剔除遥测参数野值的算法，该算法克服避免野值的逆传，并对其进行改进，使其可以剔除大量的连片的野值，并且算法简单且精度高，适用于数据的实时处理的合理性检验。
