×
云，彭;吴潘龙;何珊;李星秀

状态转移模型失配和野值干扰下带衰减因子的鲁棒卡尔曼滤波器。 （英语） Zbl 1508.93309号

电路系统。信号处理。 40，第5号，2443-2463（2021）.
总结：在实际应用中，由于系统的复杂性，状态空间模型的过程方程很难与实际的状态转换模型相匹配。此外，传感器的不可靠性将导致测量伴随异常值。为了提高线性系统在状态转移模型失配和野值干扰下的状态估计精度，提出了一种新的带衰减因子的鲁棒卡尔曼滤波器。首先，为了修改状态转移模型，该滤波器引入了一个衰减因子，该衰减因子被建模为逆伽马分布，以更新状态预测协方差。然后，针对测量噪声不服从高斯分布且由于野值干扰而具有非零均值特性的现象，将测量噪声建模为广义双曲斜Student分布。最后，利用变分贝叶斯方法实现了状态估计。仿真结果表明，该滤波器的估计精度高于卡尔曼滤波器和强跟踪滤波器。

理学硕士：

93E11号机组 随机控制理论中的滤波
93E03型 控制理论中的随机系统（一般）
93B35型 灵敏度（稳健性）

关键词：

鲁棒卡尔曼滤波器;状态转换模型失配;异常值干扰;逆伽马分布;双曲斜Student（mathrm{t}）分布;变分贝叶斯
PDF格式BibTeX公司 XML格式引用
\textit{P.Yun}等人，《电路系统》。信号处理。40，第5号，2443--2463（2021；Zbl 1508.93309）
全文： 内政部

参考文献：

[1] Aas，K.，《广义双曲线斜交Student’s t分布》，J.Financ。经济。，4, 2, 275-309 (2006)
[2] 阿加门诺尼，G。；聂托，JI；Nebot，EM，带有重尾噪声的状态空间模型中的近似推断，IEEE Trans。信号处理。，60, 10, 5024-5037 (2012) ·Zbl 1393.94150号 ·doi:10.1109/TSP.2012.2208106
[3] Bar-Shalom，Y。；Chang，KC；Blom，HAP，使用输入估计与交互式多模型算法跟踪机动目标，IEEE Trans。Aerosp.航空公司。电子。系统。，25, 2, 296-300 (1989) ·数字对象标识代码：10.1109/7.18693
[4] YT Chan；胡，AGC；Plant，JB，一种基于卡尔曼滤波器的输入估计跟踪方案，IEEE Trans。Aerosp.航空公司。电子。系统。，15, 2, 237-244 (1979) ·doi:10.1109/TAES.1979.308710
[5] J.A.Hage，P.Xu，P.Bonnifait，多传感器融合的自适应自由度学生t信息滤波器，信息融合国际会议（2019）
[6] Y.He，Q.Song，Y.L.Dong，基于改进强跟踪滤波器的自适应跟踪算法，国际雷达会议（2006）
[7] 黄，YL；张，YG；李，N。；Shi，Z.，相隔一个历元的相关噪声非线性系统的高斯近似滤波器和平滑器的设计，电路系统。信号处理。，35, 11, 3981-4008 (2016) ·Zbl 1345.93154号 ·doi:10.1007/s00034-016-0256-0
[8] 黄，YL；张，YG；Li，N.，一种新颖的鲁棒Student’s t-based卡尔曼滤波器，IEEE Trans。Aerosp.航空公司。电子。系统。，53, 3, 1545-1554 (2017) ·doi:10.1109/TAES.2017.2651684
[9] 黄，YL；张，YG；Mihaylova，L。；Chambers，J.，《用于重尾和/或斜向噪声的稳健Rauch-Tung-Striebel平滑框架》，IEEE Trans。Aerosp.航空公司。电子。系统。，56, 1, 415-441 (2020) ·doi:10.1109/TAES.2019.2914520
[10] Y.L.Huang，Y.G.Zhang，L.Mihaylova，J.Chambers，基于斜杠和广义双曲斜Student T分布的新型鲁棒Rauch-Tung-Striebel平滑器，信息融合国际会议（2018）
[11] 黄，YL；张，YG；徐，B。；吴，ZM；Chambers，J.，《用于协作定位的基于t的学生高斯近似滤波器》，IEEE ASME Trans。机电一体化。，22, 5, 2380-2386 (2017) ·doi:10.10109/TMECH2017744651
[12] 黄，YL；张，YG；Zhao，Y。；Chambers，J.，一种新型鲁棒高斯-学生t混合分布卡尔曼滤波器，IEEE Trans。信号处理。，67, 13, 3606-3620 (2019) ·Zbl 07123311号 ·doi:10.1109/TSP.2019.2916755
[13] 黄，YL；张，YG；Chambers，J.，一种新的基于Kullback-Leilber发散最小化的自适应Student’s t-filter，IEEE Trans。信号处理。，67, 20, 5417-5432 (2019) ·Zbl 07123441号 ·doi:10.1109/TSP.2019.2939079
[14] 黄，YL；张，YG；Shi，P.，基于高斯混合分布的鲁棒卡尔曼滤波器及其在目标跟踪中的应用，IEEE Trans。系统。曼赛本。系统。，49, 10, 2082-2096 (2019) ·doi:10.1109/TSMC.2017.2778269
[15] 蒋，K。；张，H。；人力资源部卡里米；林，J。；Song，L.，通过自适应无迹卡尔曼滤波器对控制器区域网络环境中集成电机传动系统的同时输入和状态估计，IEEE Trans。系统。曼赛本。系统。，50, 4, 1570-1579 (2020) ·doi:10.1109/TSMC.2018.2795340
[16] 《线性滤波和预测问题的新方法》，《基础工程杂志》，第82、1、35-45页（1960年）·数字对象标识代码：10.1115/1.3662552
[17] 卡尔加德，CD；Schaub，H.，基于Huber的差分滤波，J.Guid。控制动态。，30, 3, 885-891 (2007) ·数字标识代码：10.2514/1.27968
[18] Lin，T.，使用多元斜T分布的稳健混合建模，统计计算。，20, 3, 343-356 (2009) ·doi:10.1007/s11222-009-9128-9
[19] Nurminen，H。；Ardeshiri，T。；Piche，R.，《带有偏态测量噪声的状态空间模型的稳健推断》，IEEE信号处理。莱特。，22, 11, 1898-1902 (2015) ·doi:10.1109/LSP.2015.2437456
[20] M.Roth，E.Øzkan，F.Gustafsson，《学生重尾过程和测量噪声的t滤波器》，国际声学、语音和信号处理会议（2013）
[21] 王，SY；尹，C。；段，SK，一种改进的变分贝叶斯噪声自适应卡尔曼滤波器，电路系统。信号处理。，36, 10, 4260-4277 (2017) ·Zbl 1371.93202号 ·doi:10.1007/s00034-017-0497-6
[22] Y.Wang、X.Wang和Q.Pan，与系统状态相关的未知干扰协方差校正滤波器，美国控制会议（2016）
[23] Wu，PL；李，XX；张，LZ；Bo，YM，使用新型自适应网格交互多模型的雷达和红外传感器跟踪算法，IET-Sci。测量。技术。，8, 5, 270-276 (2014) ·doi:10.1049/iet-smt.2013.0020
[24] 夏，B。；Wang，H。；Wang，M.，基于强跟踪容积卡尔曼滤波器的锂离子电池荷电状态估计新方法，能源，8，12，13458-13472（2015）·doi:10.3390/en81212378
[25] Yun，P。；Wu，PL公司；He，S.，Pearson VII型分布稳健卡尔曼滤波器，野值干扰下，IET雷达声纳导航。，13, 8, 1389-1399 (2019) ·doi:10.1049/iet-rsn.2018.5534
[26] P.Yun，P.L.Wu，S.He，在2018年控制自动化与信息科学国际会议上发表的一种具有重尾测量噪声的高超音速飞行器跟踪IMM-VB算法（2018）
[27] 周，DH，A次优多重衰落扩展卡尔曼滤波器，Acta Autom。罪。，17, 6, 689-695 (1991) ·Zbl 0746.93082号
[28] 周，DH；Frank，PM，有色噪声非线性时变随机系统的强跟踪滤波在参数估计和经验稳健性分析中的应用，国际控制杂志，16，2，295-307（1996）·Zbl 0875.93515号 ·doi:10.1080/00207179608921698
[29] 朱，H。；Leung，H。；He，Z.，基于Student-t分布的稳健传感器融合的变分贝叶斯方法，信息科学。，221, 201-214 (2013) ·Zbl 1293.94026号 ·doi:10.1016/j.ins.2012.09.017
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。