一种用于动态检测雷达数据异常值的滤波方法技术

本发明专利技术提供了一种用于动态检测雷达数据异常值的滤波方法，根据雷达测量及目标状态，确定系统状态方程和测量方程；根据目标的运动情况设定相应的采样间隔，采样一系列动态测量数据；采用一种不需要假设测量数据所含噪声为白噪声的非线性动态滤波方法进行滤波；根据测量方程，应用状态估计值计算出测量校正值；采用箱形图方法分析测量数据测量值与校正值的残差，从而实现实时检测测量数据的异常值。本发明专利技术的原理简洁清晰，方便于在计算机上实现，使得检测的结果准确可靠，极大地减小了进一步数据处理的误差，能实时地动态检测雷达测量数据的异常值并校正，对于提高目标跟踪轨迹精度具有重要意义。具有重要意义。具有重要意义。

【技术实现步骤摘要】
一种用于动态检测雷达数据异常值的滤波方法


[0001]本专利技术涉及雷达数据处理技术研究领域，尤其是一种雷达数据异常值的滤波方法。

技术介绍

[0002]在雷达系统中，一般通过数据录取器将目标信号解算为目标的距离、方位角、俯仰角等测量值，这些测量值也称点迹。雷达数据处理一般指用数据处理器对测量值进行处理，最大限度地获取目标状态信息(即位置，速度，加速度等)，一般包括建航、航迹关联、数据滤波等环节。在实际工程中，测量数据出现异常值的现象是经常发生的。无论是静态测量还是动态测量，由于测量设备本身、数据传输或者人工操作等原因，都可能使测量数据中包含某些错误的测量，称为异常值，也称野值。如果不把测量数据中的这些异常值检测出并校正或剔除，将给进一步的数据处理带来很大的误差。
[0003]目前对静态测量数据中的异常值比较容易判别，已有成熟理论。对于动态测量数据异常值检测方法，当前研究较多的是线性卡尔曼滤波方法。线性卡尔曼滤波局限于线性系统及依赖于白噪声假设。程度在其论文“异常值剔除法在雷达截面(RCS)测量数据处理中的应用”中，针对目标的RCS测量得到的大量原始数据，应用格拉布斯检验方法和卡尔曼滤波方法分别对静态和动态测试数据的异常值进行了分析和剔除；辛欣等在论文“异常值检测及修正方法研究”中，应用邻近去最值均值滤波及滑窗式检测方法对静态的雷达发射功率、角度、距离参数异常问题进行了研究。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供一种用于动态检测雷达数据异常值的滤波方法。本专利技术的目的在于针对现有技术主要对静态测量数据异常值的检测，缺乏对动态数据异常值的检测，以及过于依赖白噪声假设的滤波方法问题，提供了一种用于动态检测雷达数据异常值的滤波方法。其技术方案是：根据雷达测量及目标状态，确定系统状态方程和测量方程；根据目标的运动情况设定相应的采样间隔，采样一系列动态测量数据；采用一种不需要假设测量数据所含噪声为白噪声的非线性动态滤波方法——代价参考粒子滤波(CRPF)方法进行滤波；根据测量方程，应用状态估计值计算出测量校正值；采用箱形图方法分析测量数据测量值与校正值的残差，从而实现实时检测测量数据的异常值。
[0005]本专利技术解决其技术问题所采用的技术方案包括以下步骤：
[0006]步骤一：根据雷达测量及目标状态，建立系统方程：
[0007]状态方程为：s
k
＝g(s
k
‑1,u
k
‑1)+v
k
‑1；
[0008]测量方程为：m
k
＝h(s
k
,u
k
)+w
k
；
[0009]其中，k为采样时间，s
k
为k时刻状态变量，m
k
为k时刻测量变量，g(
·
)和h(
·
)分别为状态转移函数和测量函数，u
k
为k时刻输入量，v
k
‑1为k
‑
1时刻状态噪声，w
k
为k时刻测量噪声，状态与测量噪声互不相关；
[0010]步骤二：根据采样定理设定相应的采样间隔
△
t，根据采样时间k＝1,2,3,...,T，采样动态测量数据集{m
k
}
k＝1...T
，其中T为当前采样时刻；
[0011]步骤三：采用代价参考粒子滤波(CRPF)方法进行滤波，构造代价函数和风险函数；已知后验概率分布函数(PDF)的一组随机状态粒子可用，k≥1，为状态粒子，i为粒子指数，N为粒子总数，为后验概率分布函数；代价函数是对所有当前和过去粒子的“粒子质量”的度量，第i个粒子k时刻的代价函数定义式为式中λ表示遗忘因子，0<λ<1，q≥1，符号表示矢量v的范数；风险函数是对代价函数增量的预测，定义式为
[0012]步骤四：根据状态估计值和测量方程对测量数据进行校正，表示k时刻的测量校正值；通过测量校正值实时检测测量数据的异常值；
[0013]步骤五：如果测量数据m
k
检测为正常值，则返回实时的状态估计值校正值如果m
k
检测为异常值，则对m
k
进行补偿，利用补偿后的观测值进行数据校正和状态估计；
[0014]观测数据的异常值补偿计算式如下
[0015]m
′
k
＝m
k
‑
r
k
[0016]其中r
k
为k时刻观测数据的测量残差大小，CRPF滤波过程中代价函数增量更新为：
[0017][0018]风险函数更新为：
[0019][0020]通过更新的风险函数更新概率质量函数：
[0021][0022]再归一化概率质量函数并用于联合代价粒子集的重新采样，重复步骤3.2.2
‑
3.2.5，获得准确的目标状态估计值根据状态估计值采用测量方程得到测量数据准确的校正值
[0023]所述CRPF滤波的具体步骤如下：
[0024]3.1首先对滤波器进行初始化，从初始分布函数p0(s0)中抽样得到N个初始粒子，第i个粒子状态表示为代价函数初始值为得到初始联合代价粒子集设定初始方差为
[0025]3.2随着时间k＝1,...,T，通过CRPF滤波获取实时状态估计值，具体步骤如下：
[0026]3.2.1针对每个粒子i＝1,...,N，根据状态方程s
k
＝g(s
k
‑1,u
k
‑1)+v
k
‑1和测量方程m
k
＝h(s
k
,u
k
)+w
k
，产生联合代价粒子集根据粒子与测量值的距离计算风险函
数：
[0027][0028]根据风险函数的计算概率质量函数：
[0029][0030]式中δ>0，β>0，且δ为取值为0.1，用于确保分母不为零，再归一化概率质量函数并用于联合代价粒子集的重新采样；
[0031]3.2.2根据风险函数的概率质量函数对粒子进行系统重新采样，得到新的联合代价粒子集
[0032]3.2.3粒子i从k
‑
1时刻传递到k时刻，传递过程粒子服从自适应调节方差的高斯分布：
[0033][0034]其中I是与s同维的单位矩阵；
[0035]3.2.4重采样后，计算k时刻粒子i的代价函数根据代价函数计算其概率质量函数并归一化
[0036]3.2.5根据概率质量函数估计k时刻目标状态更新代价函数更新粒子集
[0037]所述通过测量校正值实时检测测量数据的异常值的具体步骤包括：
[0038]4.1计算k时刻的测量数据m
k
与校正值的残差：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于动态检测雷达数据异常值的滤波方法，其特征在于包括下述步骤：步骤一：根据雷达测量及目标状态，建立系统方程：状态方程为：s
k
＝g(s
k
‑1,u
k
‑1)+v
k
‑1；测量方程为：m
k
＝h(s
k
,u
k
)+w
k
；其中，k为采样时间，s
k
为k时刻状态变量，m
k
为k时刻测量变量，g(
·
)和h(
·
)分别为状态转移函数和测量函数，u
k
为k时刻输入量，v
k
‑1为k
‑
1时刻状态噪声，w
k
为k时刻测量噪声，状态与测量噪声互不相关；步骤二：根据采样定理设定相应的采样间隔
△
t，根据采样时间k＝1,2,3,...,T，采样动态测量数据集{m
k
}
k＝1...T
，其中T为当前采样时刻；步骤三：采用代价参考粒子滤波方法进行滤波，构造代价函数和风险函数；已知后验概率分布函数的一组随机状态粒子可用，k≥1，为状态粒子，i为粒子指数，N为粒子总数，为后验概率分布函数；代价函数是对所有当前和过去粒子的“粒子质量”的度量，第i个粒子k时刻的代价函数定义式为式中λ表示遗忘因子，0<λ<1，q≥1，符号表示矢量v的范数；风险函数是对代价函数增量的预测，定义式为步骤四：根据状态估计值和测量方程对测量数据进行校正，表示k时刻的测量校正值；通过测量校正值实时检测测量数据的异常值；步骤五：如果测量数据m
k
检测为正常值，则返回实时的状态估计值校正值如果m
k
检测为异常值，则对m
k
进行补偿，利用补偿后的观测值进行数据校正和状态估计；观测数据的异常值补偿计算式如下m
′
k
＝m
k
‑
r
k
其中r
k
为k时刻观测数据的测量残差大小，CRPF滤波过程中代价函数增量更新为：风险函数更新为：通过更新的风险函数更新概率质量函数：再归一化概率质量函数并用于联合代价粒子集的重新采样，重复步骤3.2.2
‑
3.2.5，获得准确的目标状态估计值根据状态估计值采用测量方程得到测量数据准确的校正值2.根据权利要求1所述的用于动态检测雷达数据异常值的滤波方法，其特征在于：所述
CRPF滤波的具体步骤如下：3.1首先对滤波器进行初始化，从初始分布函数p0(s0)中抽样得到N个初始粒子，第i个粒子状态表示为代价函数初始值为得到初始联合代价粒子集设定初始方差为3.2随着时间k＝1,.....

【专利技术属性】
技术研发人员：张修社，胡小全，韩春雷，周昆正，刘准钆，鹿瑶，杨笛，赵旺，
申请(专利权)人：中国电子科技集团公司第二十研究所，
类型：发明
国别省市：