[发明专利]一种基于激活函数的轨迹数据融合方法

说明书

本发明公开了一种基于激活函数的轨迹数据融合方法，包括：S1、设立外点剔除条件，将不满足条件的GPS位移数据作为外点剔除；S2、对物体建立运动系统模型并采用卡尔曼滤波公式，对GPS位移数据和磁感应数据进行滤波；S3、以磁感应速度数据进行对齐计算，并根据不同的先后顺序对GPS位移数据和磁感应位移数据进行插值对齐；S4、引入基于运动速度的激活函数，计算融合后的数据。本发明采用事件触发外点剔除策略剔除GPS数据中的外点、对不同传感器数据分别进行卡尔曼滤波、采用双向插值的方式进行数据对齐以及在数据融合中引入速度导向的激活函数等对数据融合技术改进的措施，可以获得更准确的轨迹数据。

技术领域

本发明属于数据融合技术，尤其涉及一种基于激活函数的轨迹数据融合方法。

背景技术

数据融合技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的信息处理技术。目前，数据融合技术在军事和非军事领域都有着广泛的应用，在军事领域广泛应用于自动目标识别、战场监测等，在非军事领域广泛应用于环境监视、医疗技术等。

数据融合技术通过合理地融合来自多个传感器的数据和相关信息，实现比单传感器更准确的测量和判断。与单传感器测量相比，多传感器在某个或某些传感器故障情况下仍能正常工作，可靠性更强。其次，多传感器测量可提高测量多样性，改善观察过程，如对运动物体进行加速度、速度和位移的测量。然而，不同的传感器通常具有不同的测量属性，当对不同的传感器输出进行多传感器数据融合时，所用的融合技术也需要根据传感器的性能进行针对性地设计。

室外运动轨迹记录主要依靠GPS定位提供的位置数据，因此，GPS定位数据的准确度直接影响运动轨迹记录的好坏。然而，提高GPS定位数据准确度的技术存在着以下缺陷：

⑴直接对原始数据进行滤波估计或数据融合，所得结果容易受离群点(偏差较大的信息)影响。

⑵GPS定位数据常与IMU数据进行融合，但是，IMU数据容易受电磁干扰，安装和使用环境要求较为严格，且IMU数据输出为加速度数据，需要进行积分计算才能与GPS的位置数据进行融合。

⑶不同传感器的属性不同，数据更新频率也不相同，不同时刻采集到的数据存在差异，如果直接将传感器的输出数据进行融合，这种更新时间不同步导致的测量差异会使融合数据偏离真实值。

发明内容

本发明的目的在于提供一种可获得更准确的轨迹数据的基于激活函数的轨迹数据融合方法。

本发明的上述目的通过如下的技术方案来实现：一种基于激活函数的轨迹数据融合方法，其特征在于包括以下步骤：

S1、设立外点剔除条件：

||S_g(x_g，y_g)-S(x，y)||＜h×||V_l(x_l，y_l)×(T_g-T_l)|| 公式(1)

采集GPS位移数据S_g(x_g，y_g)，将不满足公式(1)的GPS位移数据S_g(x_g，y_g)作为外点剔除；

S2、对物体建立运动系统模型：

采用卡尔曼滤波公式：