基于改进卡尔曼滤波的野值剔除方法技术

本发明专利技术公开了一种基于改进卡尔曼滤波的野值剔除方法，包括：通过开窗估计法得到k‑N+1时刻至k时刻的新息值v，并以此计算新息协方差的数学期望；通过比较当前预测新息协方差和新息协方差数学期望矩阵的迹，得到调节因子λ；根据调节因子动态修正真实量测，得到调整后的量测，并用其进行状态估计。本发明专利技术所用方法是根据以往获得的量测新息，计算其新息协方差的数学期望，并与当前预测的新息协方差值进行比较得到比值，利用该比值动态的修正真实量测，从而达到自适应调整的效果，而无需人为的设置。

【技术实现步骤摘要】
基于改进卡尔曼滤波的野值剔除方法
本专利技术涉及一种野值剔除方法，具体是一种基于改进卡尔曼滤波的野值剔除方法。
技术介绍
在多目标跟踪领域中，由于观测背景存在大量杂波和噪声，以及传感器本身的观测误差。所获取的量测会存在与实际情况不符合的“野值”。而这样“野值”目标如果不加以去除，会对后面的数据处理带来很大的误差，甚至导致后续数据关联错误、滤波发散等。因此，在对量测数据进行处理时首先需要根据工程需求，以及传感器本身参数对一些不可能的“野值”目标进行剔除。祝转民等学者提出了一种动态剔除野值的方法，利用新息协方差设定置信区间，再用一个常量因子乘以预测误差协方差矩阵，判断其值是否在置信区间内，从而达到剔除野值的目的，但常量因子依然需要预先人为设置。
技术实现思路
本专利技术的目的在于提供一种基于改进的卡尔曼滤波的野值剔除办法。实现本专利技术目的的技术解决方案为：一种基于改进卡尔曼滤波的野值剔除方法，包括：步骤1、通过开窗估计法得到k-N+1时刻至k时刻的新息值v，并以此计算新息协方差的数学期望；...

【技术保护点】
1.一种基于改进卡尔曼滤波的野值剔除方法，其特征在于，包括：/n步骤1、通过开窗估计法得到k-N+1时刻至k时刻的新息值v，并以此计算新息协方差的数学期望；/n步骤2、通过比较当前预测新息协方差和新息协方差数学期望矩阵的迹，得到调节因子λ；/n步骤3、根据调节因子动态修正真实量测，得到调整后的量测，并用其进行状态估计。/n

【技术特征摘要】
1.一种基于改进卡尔曼滤波的野值剔除方法，其特征在于，包括：
步骤1、通过开窗估计法得到k-N+1时刻至k时刻的新息值v，并以此计算新息协方差的数学期望；
步骤2、通过比较当前预测新息协方差和新息协方差数学期望矩阵的迹，得到调节因子λ；
步骤3、根据调节因子动态修正真实量测，得到调整后的量测，并用其进行状态估计。


2.根据权利要求1所述的基于改进卡尔曼滤波的野值剔除方法，其特征在于，步骤1具体为：
(1)量测预测
Z(k|k-1)＝H(k)*X(k|k-1)
H(k)为观测矩阵，X(k|k-1)为k时刻的状态预测值，Z(k|k-1)为量测预测值；
(2)量测预测协方差
S(k)＝H(k)*P(k|k-1)*H(k)+R(k)
P(k|k-1)为状态协方差预测值，R(k)为k时刻噪声方差；
(3)卡尔曼增益
K＝P(k|k-1)*H(k)'*S(k)-1
S(k)为k时刻新息协方差，K为卡尔曼增益；
(4)状态更新方程
X(k|k)＝X(k|k-1)+K*(Z(k)-Z(k|k-1))
X(k|k)为k时刻的状态滤波值；
假设在k时刻出现野值
Zf＝Z+Δv
Δ...

【专利技术属性】
技术研发人员：申明磊，房挺，戚湧，刘豫晋，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32