[发明专利]一种航迹量测数据中野值的剔除方法、装置和计算机设备

说明书

本发明公开了一种航迹量测数据中野值的剔除方法，该方法包括：获取航迹量测数据；采用kalman滤波新息卡方检验法，辨识航迹量测数据中的野值；野值包括：斑点型野值；对于设定数量以上的斑点型野值，采用三次样条插值Spline算法并结合kalman滤波算法，对斑点型野值进行剔除。本发明在采用新息卡方检验的基础上，给出野值kalman辨识效果分析，并且针对孤立型野值和斑点型野值的不同分类给出不同的野值剔除方案；孤立型野值剔除需要通过修正增益矩阵K(k)来实现；斑点型野值则采用kalman滤波辨识后Spline补点的方式剔除。即从Kalman滤波的发散原因入手，得出孤立点野值和斑点野值的误差特性，给出辨识野值的方法，从而提出了较为准确的定量定义并建立了科学的剔除方法。

技术领域

本发明涉及野值剔除技术领域，特别涉及一种基于kalman滤波辨识后Spline补点的航迹量测数据中野值的剔除方法、装置和计算机设备。

背景技术

针对监测空域内已经通过雷达探测或传感器接收到的目标量测，在数据信号接收和处理阶段会采用一定的方法滤除目标量测噪声、杂波等干扰，但是很难完全排除因为噪声、虚警、诱饵等干扰因素的影响，从而使得量测数据中仍存在一定的虚假信息，这种情况增加了运算负担和存储空间负荷，降低了目标跟踪精度，也难以保证系统的实时处理效果。因此，在进行航迹计算前，应该对量测数据进行预处理环节，其中野值剔除是核心处理手段之一。

假设集合D是对监测空域内动态目标进行跟踪获得的一组量测数据。由于各种因素的影响，集合D有1～2％甚至10～20％比例的数据点会与目标真实值严重不符，严重偏离大部分数据分布，这类异常点被统一称为野值。造成野值点出现的因素有过失原因、采样环境的原因、随机变量作用的原因，以上不同的原因也使得野值点产生了不同的分类。一般野值点分为三类：离群点，受到外部干扰而形成，通常指在一个时间序中远离平均水平的极端大值或者极端小值；孤立型野值，单独出现，即某一时刻s处的测量数据为野值，对其邻域内其他时刻数据无影响；斑点型野值，成群出现，即某一时刻s处的测量数据为野值，同时k+1、k+2等时刻的数据也严重偏离真值。野值点使得目前数据处理的技术，例如最小二乘估计、多项式滤波与平滑微分技术以及基于观测模型和状态模型的卡尔曼滤波技术等出现了严重的发散现场，数据处理效果差。

现有方法中利用kalman滤波特点和发散原因，一定程度上提出了野值辨识和剔除方法，但是这种方法针对离群点和孤立型野值效果好，但对斑点型野值的剔除未能做进一步细节处理。

发明内容

本发明实施例提供一种航迹量测数据中野值的剔除方法、装置和计算机设备，可以解决现有技术中，存在利用kalman滤波剔除斑点型野值效果不佳的问题。

本发明实施例提供一种航迹量测数据中野值的剔除方法，包括：

获取航迹量测数据；

采用kalman滤波新息卡方检验法，辨识航迹量测数据中的野值；其中，所述野值包括：斑点型野值；

对于设定数量以上的斑点型野值，采用三次样条插值Spline算法并结合kalman滤波算法，对斑点型野值进行剔除。

较佳地，所述设定数量为5。

进一步地，所述采用kalman滤波新息卡方检验法，辨识航迹量测数据中的野值，包括：

辨识航迹量测数据观测值Y(k)的每个分量是否为野值的判别式为：

其中，S(k)为新息D(k)为零均值高斯随机变量的协方差矩阵表示矩阵；i,i为对角线上的第i个元素；D_i(k)为新息D(k)的第i个分量；C为常数；判别式成立，则观测值分量Y_i(k)为正常值，反之，观测值分量Y_i(k)则为野值。

较佳地，所述常数C取值为2/3、或取值为3～5。