×
沈、陈;黄，魏

一种基于Kullback-Leibler的未知噪声跳跃马尔可夫系统IMM信息滤波器。 （英语） Zbl 1428.62379号

电路系统。信号处理。 37，第9号，4065-4081（2018）.
摘要：本文研究了测量噪声未知的跳跃马尔可夫系统的状态估计问题。该算法是在交互多模型方法的框架下推导出来的，并使用最近报道的基于Kullback-Leibler（KL）发散的方案进行估计融合。为了简化基于KL发散的方案，分别使用信息状态和Wishart分布来描述测量噪声的状态和未知精度矩阵。具体地说，在混合和估计融合阶段，采用基于KL发散的融合方案来融合所有模式的信息矩阵、信息状态向量和Wishart分布参数。在模式条件滤波阶段，设计了并行噪声自适应容积信息滤波器，以递归估计信息状态、信息矩阵和Wishart分布噪声参数。仿真结果证明了该方法的有效性。

引用于1文件

MSC公司：

2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
2015年1月62日 贝叶斯推断
62M20型 随机过程推断和预测
94甲17 信息的度量，熵
93E11号机组 随机控制理论中的滤波

关键词：

容积信息过滤器;交互式多模型;Kullback-Leibler散度;跳跃马尔可夫系统
PDF格式BibTeX公司 XML格式引用
\textit{C.Shen}和\textit{W.Huang}，电路系统。信号处理。37，第9号，4065--4081（2018；Zbl 1428.62379）
全文： 内政部

参考文献：

[1] G.Battistelli，L.Chisci，Kullback-Leibler平均值，概率密度共识，保证稳定性的分布式状态估计。自动化50707-718（2014）·Zbl 1298.93311号 ·doi:10.1016/j.automatica.2013.1.042
[2] M.J.Beal，近似贝叶斯推理的变分算法，博士论文，伦敦大学（2003）
[3] H.Blom，Y.Bar-Shalom，具有马尔可夫切换系数的系统的交互式多模型算法。IEEE传输。自动。控制。33(8), 780-783 (1988) ·兹比尔0649.93065 ·doi:10.1109/9.1299
[4] K.P.B.Chandra，D.Gu，I.Postlethwaite，《容积信息过滤器及其应用》。《美国控制会议记录》（2011年6月29日至7月1日，旧金山），第3609-3614页
[5] K.P.B.Chandra，D.Gu，I.Postlethwaite，平方根容积信息过滤器。IEEE传感器J.13（2），750-758（2013）·doi:10.1109/JSEN.2012.2226441
[6] P.Dong，Z.Jing，H.Leung，K.Shen，基于Wishart分布的变分贝叶斯自适应容积信息滤波器。IEEE传输。自动。控制。62(11), 6051-6057 (2017) ·Zbl 1458.62073号 ·doi:10.1109/TAC.2017.2704442
[7] X.Fu，Y.Shang，H.Yuan，基于H1滤波器的机动目标跟踪的改进对角交互多模型算法。IET控制理论。申请。9(12), 1887-1892 (2015) ·doi:10.1049/iet-cta.2014.0685
[8] Y.Huang，Y.Zhang，N.Li，J.Chambers，用于具有重尾测量噪声的非线性系统的鲁棒高斯近似滤波器，《IEEE声学、语音和信号处理国际会议论文集》（2016年3月20日至25日，上海），第4209-4213页
[9] 黄毅，张毅，李N.，赵L.，改进的方形容积信息过滤器。事务处理。仪器测量。和控制。39(4), 579-588 (2017) ·doi:10.1177/0142331215608428
[10] K.Li，L.Chang，B.Hu，一种基于变分贝叶斯的无迹卡尔曼滤波器，具有自适应性和鲁棒性。IEEE Sensors J.16（18），6966-6976（2016）·doi:10.1109/JSEN.2016.2591260
[11] W.Li，Y.Jia，未知噪声协方差跳跃马尔可夫系统的自适应滤波。IET控制理论。申请。7(13), 1765-1772 (2013) ·doi:10.1049/iet-cta.2013.0162
[12] W.Li，Y.Jia，Kullback-Leibler散度与随机矩阵的交互多模型估计。IET信号处理。10(1), 12-18 (2016) ·doi:10.1049/iet-spr.2015.0149
[13] 李伟，贾永嘉，基于变分贝叶斯近似的跳马尔可夫线性系统状态估计。IET控制理论。申请。6(2), 319-326 (2012) ·doi:10.1049/iet-cta.2011.0167
[14] X.R.Li，V.P.Jilkov，机动目标跟踪综述。第五部分：多种模型方法。IEEE传输。Aerosp.航空公司。电子。系统。41(4), 1255-1321 (2005) ·doi:10.10109/TAS.2005.1561886
[15] G.Liu，G.Tian，用于鲁棒机动目标跟踪的交互式多模型中心差分信息滤波器，《IEEE信息与自动化国际会议论文集》（2015年8月8日至10日，丽江），第2142-2147页
[16] S.Sarkka，A.Nummenmaa，基于变分贝叶斯近似的递归噪声自适应卡尔曼滤波。IEEE传输。自动。控制54（3），596-600（2009）·Zbl 1367.93658号 ·doi:10.1109/TAC.2008.2008348
[17] H.Sheng，W.Zhao，J.Wang，融合输入估计和最佳线性无偏估计滤波器的交互式多模型跟踪算法。IET雷达、声纳导航。11(1), 70-77 (2017) ·doi:10.1049/iet-rsn.2015.0657
[18] D.Simon，《最优状态估计：卡尔曼、H-infinity和非线性方法》（新泽西州威利，2006）·数字对象标识代码：10.1002/0470045345
[19] F.Tronarp，R.Hostettler，S.Sarkka，非加性重尾噪声非线性系统的Sigma-point滤波，《第19届信息融合国际会议论文集》（德国海德堡，2016年7月5日至8日），第1859-1866页
[20] S.Wang、C.Yin、S.Duan、L.Wang，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, 4260-4277 (2017) ·Zbl 1371.93202号 ·doi:10.1007/s00034-017-0497-6
[21] C.Zhang，Y.Jia，具有事件触发传感器调度的随机混合系统的分布式估计。IET控制理论。申请。11(2), 173-181 (2017) ·doi:10.1049/iet-cta.2015.1300
[22] J.Zhu，J.Park，K.Lee，M.Spiryagin，不确定噪声下离散马尔可夫跳跃非线性系统的鲁棒扩展卡尔曼滤波器。J.机械。科学。Technol公司。22(6), 1132-1139 (2008) ·Zbl 1162.93404号 ·doi:10.1007/s12206-007-1048-z
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。