我有实时GPS数据，每秒更新5次。平均80%的数据是相当准确的；但是大约20%的数据是不稳定的。此外，偶尔我们也会得到一个异常值，即远离实际轨迹的错误数据点。
我正在寻找一种算法，我可以做到以下几点：
- 平滑数据以消除抖动
- 不是为了平滑异常数据，而是为了消除那些错误的数据点，并用一些外推值代替
为了提供一些上下文，我首先在stackoverflow.com网站上搜索了一些类似的主题，并找到了以下链接：
平滑GPS数据
我的软件工程师实现了上面链接中提供的KalmanLatLong例程；但我们遇到了以下问题：
-
该算法落后，这意味着当该算法生成外推值时，会有更多的GPS数据点到达（记住数据是实时的）。
-
在偶尔出现异常的情况下，算法很好地将其平滑。而我们的目标是消除这些异常值，因为它们是错误的数据。
我正在寻找一种可以实时工作的算法，它可以处理5赫兹的GPS更新，并在消除异常值的同时平滑数据。
非常感谢您的帮助。
基本方法可以是这样的：
- 取最后x个点，计算平均delta矢量
- 将其应用于最后一个点，以获得外推的新点（您希望新点在哪里）
- 将外推的点与您从GPS获得的点进行比较
- 如果外推节点和你得到的节点之间的距离小于某个阈值，那么你可以认为这是一个好的数据点，并将其与外推节点混合（对于0和1之间的某个P，新点是P*GPS_point+（1-P）*外推点）
- 如果距离超过阈值，那么它可能是一个异常值，所以完全放弃它，只使用外推点
您需要对X、p和阈值的值进行实验，看看什么对您有效。适合高速比赛的东西不适合步行应用。如果你有太多的外推节点，也要添加一个检查，因为这意味着该算法认为大多数数据都是错误的，这不应该是真的。您可以清空点列表，然后从头开始。
您可以在卡尔曼滤波器本身中加入观测抑制。这有时被称为数据窥探。
我假设你有一个简单的例子，你只有GPS数据，你想要么合并一个瞬间的测量，要么把它们全部扔掉（而不是只扔掉纬度）。
该符号与Wiki文章一致
在更新步骤中，计算
V = y'*inv(S)*y
（y是残差向量，S是残差协方差）如果你的滤波器调谐正确，如果你只使用lat和lon，它会有一个卡方（2）分布，如果你也使用height，它会是卡方（3）分布。如果V超过了该分布的0.1%的上百分位，则拒绝观测，即不计算增益或更新状态或状态协方差。