论文部分内容阅读
现代动态数据处理中,以Kalman滤波为代表的现代时间序列分析方法发挥着举足轻重的作用。对于平稳性比较好的数据,一般方法都能够得到良好的处理结果,并可以做出相对准确预测,但是在动态数据中总会出现一些粗差值或异常值,如果这些异常数据不能得到有效的处理控制的话,不仅会对本期处理结果造成严重影响,还会因计算过程中状态值吸收此项粗差而对后期数据的处理结果产生影响。针对可能出现的粗差项及其带来的影响,本文首先详细地讲解了Kalman滤波的具体理论,在此基础上提出了一种改进的基于Kalman滤波的修正方法,经过