摘要
在通常的正态性假设下,被称为卡尔曼滤波器的递归估计器给出了极好的结果,并发现了极其广泛的应用领域——不仅用于估计随机动态系统的状态,而且用于估计模型参数以及检测状态或参数的突变。然而,众所周知,显著的非正态噪声,尤其是离群值的存在,严重降低了卡尔曼滤波器的性能。这会导致不良的状态估计、非白残差和无效推断。本文导出了一类离散随机线性动力系统在受$varepsilon$污染的正态观测噪声作用下状态的条件先验分布的一阶近似。然后使用此分布导出条件平均(最小方差)估计量的一阶近似值。如果观测噪声分布可以表示为$varepsilon$-污染正态邻域的一个成员,那么条件先验也是正态分布的一阶类似扰动,正态分布中的前两个矩由卡尔曼滤波器给出。此外,扰动本身是一种特殊形式,将其参数由并行卡尔曼滤波器组和最优平滑器给定的分布组合在一起。
引用
下载引文
欧文·C·希克。
桑乔伊·米特(Sanjoy K.Mitter)。
“存在重尾观测噪声时的稳健递归估计。”
安。统计师。
22
(2)
1045 - 1080,
1994年6月。
https://doi.org/10.1214/aos/1176325511
问询处
出版时间:1994年6月
首次在欧几里得项目中提供:2007年4月11日
数字对象标识符:10.1214/aos/1176325511
受试者:
主要用户:62层35
次要:62C20个,62M20型,93E11号机组
关键词:$\varepsilon$-污染正态分布,渐近展开,时间序列中的异常值,稳健条件均值估计,鲁棒卡尔曼滤波,稳健递归估计
版权所有©1994数学统计研究所