多传感器目标跟踪中的实时野值剔除方法

"该文探讨了在多传感器目标跟踪中实时剔除野值的问题，旨在提高目标跟踪的精度。文章指出，野值是指测量数据集合中显著偏离大多数数据趋势的异常点，它们可能由多种偶然因素导致。文章提出了在多传感器环境中利用数据融合技术来识别并剔除这些野值，通过分布式融合方法实现高效处理。文中还提到了野值的分类，如离群点、孤立型野值和野值斑点，并强调了野值对高精度数据处理的负面影响。研究背景包括高精度测量设备在目标跟踪中的应用，以及野值对模型参数估计、滤波算法和谱估计的影响。" 在多传感器目标跟踪的背景下，野值剔除是一个关键问题，因为即使是最精确的测量设备也可能因各种随机因素产生异常数据。野值的存在会严重影响跟踪系统的性能，降低目标状态参数估计的准确性。现有的剔野方法存在一些不足，比如处理连续出现的野值时效果不佳，需要人工干预，以及计算复杂度高，不适合实时在线处理。 文章的创新点在于结合多传感器环境下的数据融合技术，这能够利用不同传感器之间的互补性和冗余信息来提升系统整体的跟踪性能。作者提出的实时剔野方法综合了多传感器数据形成的目标状态参数描述，以及测量数据集的趋势分析，以此来有效地识别并剔除野值。这种方法的优势在于其实时性、准确性和高效性，能够在不影响系统运行速度的情况下，快速识别并处理野值斑点。 通过分布式融合方法，该文的仿真结果显示在多传感器目标跟踪中可以快速有效地剔除野值，从而改善跟踪系统的精度。这种方法不仅对于目标跟踪，而且对于航天测控等领域的数据处理都有着重要的实际应用价值。文章引用了前人的研究成果，进一步强调了野值检测在数据处理过程中的重要性，尤其是在提高处理质量和精度方面。 该文为多传感器目标跟踪中的野值剔除提供了新的解决方案，对于提高整个跟踪系统的稳健性和精度具有重要意义。同时，这种方法也为未来在类似复杂环境下处理异常数据提供了理论和技术支持。