混合卡尔曼滤波器

在处理动态系统时，序贯蒙特卡罗方法使用离散样本来表示复杂的概率分布，并使用拒绝抽样、重要性抽样和加权重抽样来完成在线“过滤”任务。我们提出了一种特殊的序贯蒙特卡罗方法，即混合卡尔曼滤波器，它使用高斯分布的随机混合来近似目标分布。它是为条件和部分条件动态线性模型的在线估计和预测而设计的，这些模型本身是一类广泛使用的非线性系统，也可用于近似许多其他系统。与包括蒙特卡罗方法在内的几种可用滤波方法相比，混合卡尔曼滤波器的效率增益非常可观。本文的另一个贡献是将许多非线性系统表示为条件或部分条件线性形式，可以应用混合卡尔曼滤波器。给出了目标跟踪和数字通信中的示例，以证明所提出的程序。