一种航迹量测数据中野值的剔除方法、装置和计算机设备

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

较佳地，所述常数C取值为2/3、或取值为3～5。

进一步地，对所述判别式进行概率分析：

当存在|

当存在

进一步地，所述三次样条插值Spline算法，包括：

假设函数f(x)在节点x

f(x

节点集合的三次样条插值函数S(x)满足：

插值条件S(x

在[x

S(x

进一步地，本发明实施例提供的航迹量测数据中野值的剔除方法，还包括：

对于设定数量以下的斑点型野值，通过修正增益矩阵并结合kalman滤波算法，对斑点型野值进行剔除；

其中，所述修正增益矩阵，包括：当斑点型野值为第i个观测值分量Y

进一步地，本发明实施例提供的航迹量测数据中野值的剔除方法，还包括：

对于孤立点型野值，通过修正增益矩阵并采用kalman滤波算法，对孤立点型野值进行剔除；

其中，所述修正增益矩阵，包括：当孤立点型野值为第i个观测值分量Y

本发明实施例提供的一种航迹量测数据中野值的剔除装置，包括：

数据获取模块，用于获取航迹量测数据；

野值辨识模块，用于采用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；

斑点型野值剔除模块，用于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。

本发明实施例提供的一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

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，与现有技术相比，其有益效果如下：

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。

附图说明

图1为本发明实施例提供的真实点迹分布图；

图2为本发明实施例提供的野值剔除后点迹分布图；

图3为本发明实施例提供的应用Spline算法补点并滤波后点迹分布图。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解为本发明的保护范围并不受具体实施方式的限制。

本发明实施例提供的一种航迹量测数据中野值的剔除方法，该剔除方法具体包括：

步骤1：进行野值的kalman滤波辨识

在kalman算法原理基础上若已知观测值Y(1)...Y(k-1)，可以推导获得状态估计值X(k-1)的线性最小方差估计

在观测值Y(k)为正常值的条件下，预测值

所以引入新息这一概念来辨识Y(k)是否为野值。

新息表达式为：

已知D(k)为零均值高斯随机变量，则其协方差矩阵表示为：

S(k)＝H(k)P(k|k-1)H

因此辨识Y(k)的每个分量是否为野值的判别式为：

其中：i,i表示矩阵对角线上的第i个元素；D

如果(1-5)式成立则认为观测值分量Y

步骤2：进行野值滤波辨识效果分析

(1-3)式还可以表示为：

(1-6)式中的第一项为符合零均值白噪声的预测误差，与第二项W(k)互相独立，其协方差矩阵为H(k)P(k|k-1)H

所以，当存在

时，对野值的检测概率达到95.5％，即(1-5)式不成立概率为95.5％。

又当存在

时，对正确观测值分量检测概率达到95.5％，即有(1-5)式成立概率为95.5％。可因而以上辨识方法效果相当不错。

步骤3：基于不同野值分类的修正野值剔除方法

(1)孤立型野值的剔除

根据kalman原理中求状态估计值的公式

(2)斑点型野值的剔除

由于斑点型野值在一个邻域范围内连续出现，针对5个以下的连续斑点型野值仍然按照孤立型野值处理，但是为了提升估计的精度，5个以上的斑点型野值需要在野值辨识后记录下野值的序号，采用新的样条补点算法进行剔除修正，最后再滤波估计。三次样条插值(Spline)法为拟合数据可以找出一条具有二阶连续导数的光滑曲线，从而既形成分段低次插值多项式又提高插值函数光滑性。本文应用Spline算法实现补点操作。

三次样条插值(Spline)函数的定义及算法步骤:

假设函数f(x)在节点x

f(x

又这个节点集合的三次样条函数S(x)满足：

·插值条件：

S(x

·在[x

·S(x

则S(x)为三次样条插值函数。

插值算法的计算伪代码如下：

基于同一发明构思，本发明实施例还提供一种航迹量测数据中野值的剔除装置，该装置包括：

数据获取模块，用于获取航迹量测数据。

野值辨识模块，用于采用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。

斑点型野值剔除模块，用于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。

基于同一发明构思，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本发明实施例所述的方法的步骤。

实施例1：

针对基于野值分类的修正剔除方法，通过采样50s内的航迹真实点迹进行真实数据实验，并在11s和48s中分别添加斑点型野值和孤立型野值，形成原始点迹分布图1。随后通过算法仿真得到野值辨识后点迹曲线图2和应用Spline修正补点并滤波后的目标曲线图3。

通过真实的航迹点数据验证发现：针对孤立型野值应用传统kalman滤波辨识方法和本文方法剔除后效果一致，都将野值点进行有效剔除。针对斑点型野值应用kalman滤波辨识后Spline修正补点剔除法，相较于传统的kalman滤波辨识剔除法，该法对斑点型野值的修正能更好的结合点迹分布特征，从而补点后滤波估计得到光滑曲线效果，更有利于航迹进一步处理和实时显示。

以上公开的仅为本发明的具体实施例，但是，本发明实施例并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。