[发明专利]一种野值剔除方法及装置

权利要求书

1.一种野值剔除方法，其特征在于，所述方法包括：

在预设时间内从构建的卡尔曼滤波残差模型中获取构成残差均值为零的目标残差，其中，所述卡尔曼滤波残差模型是利用卡尔曼先验概率模型、卡尔曼滤波的后验概率模型和松耦合观测模型获得的模型，所述卡尔曼滤波的后验概率模型是利用预设的松耦合观测模型和目标状态向量获得的模型，所述目标状态向量是由陀螺仪的角速度和加速度构成的状态向量；

当所述目标残差符合高斯分布时，利用卡尔曼滤波残差模型，获得所述卡尔曼滤波残差模型的协方差矩阵；

将第一目标值和第二目标值构成的范围作为目标残差范围，所述第一目标值为负的平衡因子与所述卡尔曼滤波残差模型的协方差矩阵相乘得到的值，所述第二目标值为正的平衡因子与所述卡尔曼滤波残差模型的协方差矩阵相乘得到的值；

将所述目标残差范围外的残差作为野值，并从所述目标残差范围中剔除所述野值。

2.如权利要求1所述的方法，其特征在于，所述卡尔曼滤波残差模型的构建过程，包括：

利用目标过程噪声矩阵、用户位姿的状态转移矩阵和目标状态向量，构建如第一表达式所示的卡尔曼先验概率微分模型，所述目标过程噪声矩阵是由第一信息和第二信息构成的过程噪声矩阵，所述第一信息包括时分-码分正交频分复用输出的位置信息、陀螺仪输出的角速度、陀螺仪输出的加速度和用户的位姿，所述第二信息包括惯性传感器输出的角速度、惯性传感器输出的加速度和用户的位姿；

所述第一表达式为：

其中，k为时刻序号，F_k为第k个时刻的状态转移矩阵，W_k为过程噪声向量，X_k为第k个时刻的目标状态向量，G_k为第k个时刻的目标过程噪声矩阵；

利用卡尔曼先验概率微分模型，得到如第二表达式所示的卡尔曼先验概率模型；

所述第二表达式为：X_k|(k-1)＝MX_(k-1)+Q·X_(k-1)；

其中，ΔT为第k个时刻与第k-1个时刻之间的时间差，Q为由第k-1个时刻到第k个时刻的目标过程噪声矩阵，M为由第k-1个时刻到第k个时刻的状态转移矩阵；

利用预设的松耦合观测模型Z_k，分别构建如第三表达式所示的松耦合观测模型的观测矩阵Φ_k和松耦合观测模型的观测噪声V_k；

所述第三表达式为：Φ_k＝[I_6×6 0_6×9]，I_6×6为单位向量；

利用Z_k、Φ_k、V_k和X_k，构建如第四表达式所示的卡尔曼滤波的后验概率模型；

所述第四表达式为：Z_k＝Φ_kX_k+V_k；

其中，Z_k为所述松耦合观测模型，Z_k＝[Δx,Δy,Δz,Δv_x,Δv_y,Δv_z]，Δx、Δy、Δz分别为用户在直角坐标系下X轴、Y轴和Z轴对应的位置变化量，Δv_x、Δv_y、Δv_z分别为用户在直角坐标系下X轴、Y轴和Z轴对应的速度变化量，x_ins、x_TG分别为惯性传感器ins输出的X轴位置和时分-码分正交频分复用TG输出的X轴位置，y_ins、y_TG分别为惯性传感器输出的Y轴位置和时分-码分正交频分复用输出的Y轴位置，z_ins、z_TG分别为惯性传感器输出的Z轴位置和时分-码分正交频分复用输出的Z轴位置，v_x,ins、v_x,TG分别为惯性传感器输出的X轴速度和时分-码分正交频分复用输出的X轴速度，v_y,ins、v_y,TG分别为惯性传感器输出的Y轴速度和时分-码分正交频分复用输出的Y轴速度，v_z,ins、v_z,TG分别为惯性传感器输出的Z轴速度和时分-码分正交频分复用输出的Z轴速度；

根据构建的卡尔曼先验概率模型、卡尔曼滤波的后验概率模型和松耦合观测模型的观测矩阵，构建如第五表达式所示的卡尔曼滤波残差模型；

所述第五表达式为：d_k＝Z_k-Φ_kX_k；

其中，d_k为预测残差。