几种野值剔除准则在目标预测中的应用研究

卢元磊，何佳洲，安 瑾，苗高洁

（江苏自动化研究所，江苏 连云港 222006）

在目标预测中，由于目标测量数据采集过程受传感器、转换器以及无线电传输过程中的干扰，使得接收数据中经常会产生异常跳变点，这种偏离被测信号变化规律的数据点被称为野值[1[。如果在数据预处理阶段不将野值剔除，那么这些野值将会严重影响目标预测的精度，甚至会导致目标预测的发散。因此，如何剔除野值成为目标预测中的首要问题。本文分析了目标预测中的野值剔除问题，介绍了误差理论中几种常用的野值剔除准则，并通过仿真分析了它们对野值的剔除能力及对目标预测精度的影响。

1 目标预测中的野值剔除问题分析

1.1 问题描述

野值的定义有很多种，一种比较公认的且与目标预测中的野值剔除比较贴切的定义是 Barnett 和Lewis在1984年给出的定义：野值就是一个观测数据集中与其他数据表现不一致的一个或多个观测点组成的子集[2]。

目标预测中的野值剔除和常规误差理论中的野值剔除是有区别的。在常规的误差理论中，野值剔除是进行重复多次测量，然后对观测数据的事后处理。在目标预测中，目标状态不断变化，每个状态都是单次测量，而且要求数据的处理是实时的、在线的，随着目标的运动，测量环境和精度也是发生变化的。因此，这对两种情况的处理方法也是有区别的。在常规的误差理论中通常取多次测量的均值来替代目标的真实状态，且大多数情况下是可行的。……