马 姓

（合肥工业大学电气与自动化学院，合肥 230009）

基于UKF的自适应野值剔除算法

马 姓

（合肥工业大学电气与自动化学院，合肥 230009）

UKF（Unscented Kalman Filter，UKF）算法被广泛应用于运动目标跟踪中，取得了很好地跟踪效果；但是在实际应用中，由于各种随机因素的影响，使得观测数据中不可避免地含有干扰数据，而这些干扰数据的存在使得UKF算法跟踪精度不断地下降，甚至会使滤波发散；针对这一问题，提出一种基于UKF的自适应野值剔除算法，根据信息对动态观测数据中的干扰数据进行实时检测，当检测到干扰数据时，通过修正预测值和增益来提高跟踪精度；通过与UKF算法实验仿真对比，结果表明改进UKF算法可以有效地抑制了干扰数据对滤波的影响，能够很好地对运动目标进行跟踪，并且跟踪精度较高。

野值；信息；滤波发散；无迹卡尔曼滤波

1 基于UKF的自适应目标跟踪算法

1.1 算法的提出

非线性离散系统，无迹卡尔曼滤波［10］的动态方程为：

其中：xk为系统状态，zk为系统的测量值，f为状态转移函数，h为观测函数，wk为过程噪声，均值为零、方差为Qk的高斯白噪声；vk为观测噪声，均值为零、方差为Rk的高斯白噪声。

算法主要基本步骤为：

1）初始化：

2）假设输入状态x为n维向量，选取2n＋1个sigma采样点并计算相对应的权值：

3）采样点的一步预测：

4）状态的一步预测：

综上可知，式（2）～（13）是UKF算法的整个滤波过程。

由于外界环境中各种存在随机噪声干扰，使得观测数据中存在着干扰数据，这些干扰数据会不同程度的影响UKF滤波过程，甚至会使滤波发散。……