本申請涉及目標跟蹤，具體涉及一種抑制異常值的目標運動分析方法、裝置、設備及存儲介質。
背景技術：
1、目標跟蹤在智能監(jiān)控、無人駕駛、航空航天等眾多領域有著廣泛應用。遞推最小二乘法（rls）作為一種常用的參數估計方法，因其能夠在線實時更新模型參數，在目標跟蹤領域得到了諸多關注與應用。它通過不斷利用新的觀測向量對模型參數進行遞推更新，以適應目標運動狀態(tài)的變化。
2、然而，在實際的目標跟蹤場景中，觀測向量中常不可避免地存在異常值。這些異常值可能源于傳感器故障、外界干擾、目標的非典型運動等多種因素?，F有技術中，遞推最小二乘法在更新模型參數時，對觀測向量中的異常值較為敏感。由于其基于最小化殘差平方和的原理，異常值會在計算中產生較大的殘差貢獻，進而對模型參數更新過程產生較大干擾。這使得模型參數更新的準確性和穩(wěn)定性受到嚴重影響，導致目標跟蹤精度下降，甚至可能出現目標丟失的情況。因此，亟需一種能夠有效抑制觀測向量中異常值影響的方法，以提升遞推最小二乘法在目標跟蹤中模型參數更新的準確性和穩(wěn)定性。
技術實現思路
1、本申請?zhí)峁┮环N抑制異常值的目標運動分析方法、裝置、設備及存儲介質，可以解決現有技術中存在的異常值對模型參數更新的準確性和穩(wěn)定性造成嚴重影響的技術問題。
2、第一方面，本申請實施例提供一種抑制異常值的目標運動分析方法，所述目標運動分析方法包括：
3、對目標運動模型的模型參數和協方差矩陣進行初始化；
4、根據最新輸入向量和目標運動模型計算得到最新輸出向量，根據最新輸出向量和最新觀測向量計算得到最新殘差向量；
5、根據最新殘差向量的范數和預設罰函數計算得到最新調整系數，其中，預設罰函數用于在最新殘差向量的范數大于預設閾值時抑制最新調整系數隨最新殘差向量的范數的增長幅度；
6、基于改進rls算法，根據最新調整系數、最新輸入向量和最新殘差向量更新模型參數和協方差矩陣，其中，改進rls算法在計算最新增益向量時，將更新前的協方差矩陣替換為調整協方差矩陣，調整協方差矩陣為更新前的協方差矩陣與最新調整系數的數乘矩陣。
7、進一步地，一實施例中，預設罰函數為：
8、
9、其中，為最新調整系數，r為最新殘差向量的范數，為預設閾值。
10、進一步地，一實施例中，預設罰函數為：
11、
12、其中，為最新調整系數，r為最新殘差向量的范數，為預設閾值。
13、進一步地，一實施例中，預設罰函數為：
14、
15、其中，為最新調整系數，r為最新殘差向量的范數，為預設閾值，為調節(jié)參數，，為形狀參數，。
16、進一步地，一實施例中，預設罰函數為：
17、
18、
19、
20、其中，為最新調整系數，r為最新殘差向量的范數，為預設閾值，為調節(jié)參數，，為形狀參數，。
21、進一步地，一實施例中，預設罰函數為：
22、
23、
24、
25、其中，為最新調整系數，r為最新殘差向量的范數，為預設閾值，為調節(jié)參數，，為形狀參數，。
26、進一步地，一實施例中，所述基于改進rls算法，根據最新調整系數、最新輸入向量和最新殘差向量更新模型參數和協方差矩陣的步驟包括：
27、根據第一公式計算得到最新增益向量，第一公式為：
28、
29、其中，為最新增益向量，為調整協方差矩陣，為最新輸入向量，為遺忘因子，；
30、根據第二公式計算得到新的模型參數，第二公式為：
31、
32、其中，為更新后的模型參數，為更新前的模型參數，為最新觀測向量，為最新輸出向量，為最新殘差向量；
33、根據第三公式計算得到新的模型參數，第三公式為：
34、
35、其中，為更新后的協方差矩陣，為更新前的協方差矩陣，i為單位矩陣。
36、第二方面，本申請實施例還提供一種抑制異常值的目標運動分析裝置，所述目標運動分析裝置包括：
37、初始化模塊，用于對目標運動模型的模型參數和協方差矩陣進行初始化；
38、預測更新模塊，用于根據最新輸入向量和目標運動模型計算得到最新輸出向量，根據最新輸出向量和最新觀測向量計算得到最新殘差向量；
39、調整抑制模塊，用于根據最新殘差向量的范數和預設罰函數計算得到最新調整系數，其中，預設罰函數用于在最新殘差向量的范數大于預設閾值時抑制最新調整系數隨最新殘差向量的范數的增長幅度；
40、遞推更新模塊，用于基于改進rls算法，根據最新調整系數、最新輸入向量和最新殘差向量更新模型參數和協方差矩陣，其中，改進rls算法在計算最新增益向量時，將更新前的協方差矩陣替換為調整協方差矩陣，調整協方差矩陣為更新前的協方差矩陣與最新調整系數的數乘矩陣。
41、第三方面，本申請實施例還提供一種抑制異常值的目標運動分析設備，所述目標運動分析設備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的目標運動分析程序，其中所述目標運動分析程序被所述處理器執(zhí)行時，實現上述目標運動分析方法的步驟。
42、第四方面，本申請實施例還提供一種存儲介質，所述存儲介質上存儲有目標運動分析程序，其中所述目標運動分析程序被處理器執(zhí)行時，實現上述目標運動分析方法的步驟。
43、本申請中，當最新殘差向量的范數大于預設閾值時認為最新觀測向量為異常值，在最新殘差向量的范數大于預設閾值時抑制最新調整系數隨最新殘差向量的范數的增長幅度，在計算最新增益向量時，將更新前的協方差矩陣替換為其與最新調整系數的數乘矩陣，從而降低最新增益向量對異常值的敏感性，降低異常值對模型參數更新的干擾。通過本申請，能夠有效抑制觀測向量中異常值的影響，提升了遞推最小二乘法在目標跟蹤中模型參數更新的準確性和穩(wěn)定性。
1.一種抑制異常值的目標運動分析方法，其特征在于，所述目標運動分析方法包括：
2.如權利要求1所述的目標運動分析方法，其特征在于，預設罰函數為：
3.如權利要求1所述的目標運動分析方法，其特征在于，預設罰函數為：
4.如權利要求1所述的目標運動分析方法，其特征在于，預設罰函數為：
5.如權利要求1所述的目標運動分析方法，其特征在于，預設罰函數為：
6.如權利要求1所述的目標運動分析方法，其特征在于，預設罰函數為：
7.如權利要求1至6中任一項所述的目標運動分析方法，其特征在于，所述基于改進rls算法，根據最新調整系數、最新輸入向量和最新殘差向量更新模型參數和協方差矩陣的步驟包括：
8.一種抑制異常值的目標運動分析裝置，其特征在于，所述目標運動分析裝置包括：
9.一種抑制異常值的目標運動分析設備，其特征在于，所述目標運動分析設備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的目標運動分析程序，其中所述目標運動分析程序被所述處理器執(zhí)行時，實現如權利要求1至7中任一項所述的目標運動分析方法的步驟。
10.一種存儲介質，其特征在于，所述存儲介質上存儲有目標運動分析程序，其中所述目標運動分析程序被處理器執(zhí)行時，實現如權利要求1至7中任一項所述的目標運動分析方法的步驟。