Нормалізація сенсорних даних за допомогою методу Z-score та Ходжеса-Лемана

Abstract

Дана робота присвячена дослідженню та порівняльному аналізу методів Z-score та Ходжеса-Лемана для нормалізації сенсорних даних, отриманих з безпілотних літальних апаратів (БПЛА). Метою дослідження є оцінка ефективності кожного методу у стандартизації даних, виявленні аномалій та покращенні загальної якості сенсорних даних, що є критично важливим для забезпечення надійної роботи БПЛА. Проведено порівняльний аналіз, де оцінюються переваги та недоліки кожного методу в контексті обробки даних з різних типів сенсорів, встановлених на БПЛА. Особливу увагу приділено впливу викидів та шуму на ефективність нормалізації, а також здатності методів зберігати важливу інформацію у даних. Результати дослідження демонструють, що Z-score є ефективним для нормалізації даних з нормальним розподілом, тоді як метод Ходжеса-Лемана показує кращі результати при наявності викидів та ненормальному розподілі. Показано, що вибір оптимального методу нормалізації залежить від характеристик сенсорних даних та конкретного застосування БПЛА. Отримані результати можуть бути використані для розробки більш ефективних систем обробки сенсорних даних БПЛА, що дозволить покращити точність аналізу та виявлення потенційних проблем. Ключовим напрямком подальших досліджень є розробка адаптивних алгоритмів, що автоматично вибирають оптимальний метод нормалізації залежно від характеристик данихThis paper is devoted to the study and comparative analysis of the Z-score and Hodges-Lehman methods for normalizing sensor data obtained from unmanned aerial vehicles (UAVs). The study aims to assess each method's effectiveness in standardizing data, detecting anomalies, and improving the quality of sensor data, which is critical for ensuring reliable UAV operation. A comparative analysis is carried out to assess the advantages and disadvantages of each method in the context of processing data from different types of sensors installed on UAVs. Particular attention is paid to the impact of emissions and noise on normalization performance, as well as the ability of the methods to preserve important information in the data. The results of the study demonstrate that the Z-score is effective for normalizing data with a normal distribution, while the Hodges-Lehman method shows better results in the presence of outliers and non-normal distribution. It is shown that the choice of the optimal normalization method depends on the characteristics of the sensor data and the specific application of the UAV. The results obtained can be used to develop more efficient UAV sensor data processing systems, which will improve the accuracy of analysis and identify potential problems. A key area for further research is the development of adaptive algorithms that automatically select the optimal normalization method depending on the characteristics of the data.